该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

前一篇文章讲解了图像灰度化处理及线性变换知识，结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作，本篇文章主要讲解非线性变换，使用自定义方法对图像进行灰度化处理，包括对数变换和伽马变换。本文主要讲解灰度线性变换，基础性知识希望对您有所帮助。

• 一.图像灰度非线性变换：DB=DA×DA/255

• 二.图像灰度对数变换

• 三.图像灰度伽玛变换

• 四.总结

文章参考自己以前系列图像处理文章及OpenCV库函数。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码：

• https://github.com/eastmountyxz/
  ImageProcessing-Python

前文回顾（下面的超链接可以点击喔）：

• [Python图像处理] 一.图像处理基础知识及OpenCV入门函数

• [Python图像处理] 二.OpenCV+Numpy库读取与修改像素

• [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理

• [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波、中值滤波及双边滤波

• [Python图像处理] 五.图像融合、加法运算及图像类型转换

• [Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移

• [Python图像处理] 七.图像阈值化处理及民族服饰实验对比

• [Python图像处理] 八.图像腐蚀与图像膨胀

• [Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算

• [Python图像处理] 十.形态学之图像顶帽运算和黑帽运算

• [Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图

• [Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正

• [Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算

• [Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理

• [Python图像处理] 十五.图像的灰度线性变换

• [Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
  

学Python近八年，认识了很多大佬和朋友，感恩。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。

- https://blog.csdn.net/eastmount

一.图像灰度非线性变换：DB=DA×DA/255

图像的灰度非线性变换主要包括对数变换、幂次变换、指数变换、分段函数变换，通过非线性关系对图像进行灰度处理，下面主要讲解三种常见类型的灰度非线性变换。

原始图像的灰度值按照DB=DA×DA/255的公式进行非线性变换，其代码如下：

# -*- coding: utf-8 -*-import cv2  import numpy as np  import matplotlib.pyplot as plt
#读取原始图像img = cv2.imread('miao.png')
#图像灰度转换grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#获取图像高度和宽度height = grayImage.shape[0]width = grayImage.shape[1]
#创建一幅图像result = np.zeros((height, width), np.uint8)
#图像灰度非线性变换：DB=DA×DA/255for i in range(height):    for j in range(width):        gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255        result[i,j] = np.uint8(gray)
#显示图像cv2.imshow("Gray Image", grayImage)cv2.imshow("Result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

图像灰度非线性变换的输出结果下图所示：

二.图像灰度对数变换

图像灰度的对数变换一般表示如公式所示：

其中c为尺度比较常数，DA为原始图像灰度值，DB为变换后的目标灰度值。如下图所示，它表示对数曲线下的灰度值变化情况。

由于对数曲线在像素值较低的区域斜率大，在像素值较高的区域斜率较小，所以图像经过对数变换后，较暗区域的对比度将有所提升。这种变换可用于增强图像的暗部细节，从而用来扩展被压缩的高值图像中的较暗像素。

对数变换实现了扩展低灰度值而压缩高灰度值的效果，被广泛地应用于频谱图像的显示中。一个典型的应用是傅立叶频谱，其动态范围可能宽达0～106直接显示频谱时，图像显示设备的动态范围往往不能满足要求，从而丢失大量的暗部细节；而在使用对数变换之后，图像的动态范围被合理地非线性压缩，从而可以清晰地显示。在下图中，未经变换的频谱经过对数变换后，增加了低灰度区域的对比度，从而增强暗部的细节。

下面的代码实现了图像灰度的对数变换。

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport cv2
#绘制曲线def log_plot(c):    x = np.arange(0, 256, 0.01)    y = c * np.log(1 + x)    plt.plot(x, y, 'r', linewidth=1)    plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签    plt.title(u'对数变换函数')    plt.xlim(0, 255), plt.ylim(0, 255)    plt.show()
#对数变换def log(c, img):    output = c * np.log(1.0 + img)    output = np.uint8(output + 0.5)    return output
#读取原始图像img = cv2.imread('test.png')
#绘制对数变换曲线log_plot(42)
#图像灰度对数变换output = log(42, img)
#显示图像cv2.imshow('Input', img)cv2.imshow('Output', output)cv2.waitKey(0)cv2.destroyAllWindows()

下图表示经过对数函数处理后的效果图，对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。

对应的对数函数曲线如图

三.图像灰度伽玛变换

伽玛变换又称为指数变换或幂次变换，是另一种常用的灰度非线性变换。图像灰度的伽玛变换一般表示如公式所示：

• 当γ>1时，会拉伸图像中灰度级较高的区域，压缩灰度级较低的部分。

• 当γ<1时，会拉伸图像中灰度级较低的区域，压缩灰度级较高的部分。

• 当γ=1时，该灰度变换是线性的，此时通过线性方式改变原图像。

Python实现图像灰度的伽玛变换代码如下，主要调用幂函数实现。

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport cv2
#绘制曲线def gamma_plot(c, v):    x = np.arange(0, 256, 0.01)    y = c*x**v    plt.plot(x, y, 'r', linewidth=1)    plt.rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签    plt.title(u'伽马变换函数')    plt.xlim([0, 255]), plt.ylim([0, 255])    plt.show()
#伽玛变换def gamma(img, c, v):    lut = np.zeros(256, dtype=np.float32)    for i in range(256):        lut[i] = c * i ** v    output_img = cv2.LUT(img, lut) #像素灰度值的映射    output_img = np.uint8(output_img+0.5)      return output_img
#读取原始图像img = cv2.imread('test.png')
#绘制伽玛变换曲线gamma_plot(0.00000005, 4.0)
#图像灰度伽玛变换output = gamma(img, 0.00000005, 4.0)
#显示图像cv2.imshow('Imput', img)cv2.imshow('Output', output)cv2.waitKey(0)cv2.destroyAllWindows()

下图表示经过伽玛变换处理后的效果图，伽马变换对于图像对比度偏低，并且整体亮度值偏高（或由于相机过曝）情况下的图像增强效果明显。

对应的幂律函数曲线如图所示。

四.总结

写到这里，这篇文章就介绍结束。希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。文章写于连续奔波考博，经历的事情太多，有喜有悲，需要改变自己好好对家人，也希望读者与我一起加油。

感谢在求学路上的同行者，不负遇见，勿忘初心。月是故乡圆啊～

2022年即将离去，又是忙碌的一年，感谢女神的鼓励和小珞治愈的笑容。十二月份会更加忙碌，希望一切顺利。守得云开见明月，加油！

读博四年，还是写了一些东西，从初入安全的无知到现在的懵懂，也记录一些笔记，也希望对大家有所帮助。今年确实没啥时间写博客了，也没太多时间详细解答博友的问题，还请见谅。图片中颜色越浅甚至白色的时候，自己往往越忙，更多的博客和代码是寒暑假分享，项目、学习、科研、技术，最重要的还是家庭和亲情，娜美人生，感恩前行。

希望能早日毕业，回到家乡贵州继续当个教书匠，感觉好多要分享的博客，好多要上的课程，好多要开源的代码，好多要学习的知识，期待再次站在讲台前的那一天。继续沉下心去学习，虽菜但勤，继续加油，晚安娜!

参考文献：

• 基于苗族服饰的图像锐化和边缘提取技术研究[J]. 现代计算机，2018(10).

• 《数字图像处理》（第3版），冈萨雷斯著，阮秋琦译，电子工业出版社，2013年.

• 《数字图像处理学》（第3版），阮秋琦，电子工业出版社，2008年，北京.

• 《OpenCV3编程入门》，毛星云，冷雪飞，电子工业出版社，2015.

• Opencv学习（十六）之颜色空间转换cvtColor()

• python+opencv+图像特效（图像灰度处理、颜色翻转、图片融合，边缘检测，浮雕效果，颜色映射）

• [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解

原文始发于微信公众号（娜璋AI安全之家）：[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换