一.图像灰度线性变换原理

图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度，从而改善图像的质量，凸显图像的细节，提高图像的对比度。灰度线性变换的计算公式如下所示：

该公式中DB表示灰度线性变换后的灰度值，DA表示变换前输入图像的灰度值，α和b为线性变换方程f（D）的参数，分别表示斜率和截距。

• 当α=1，b=0时，保持原始图像
• 当α=1，b!=0时，图像所有的灰度值上移或下移
• 当α=-1，b=255时，原始图像的灰度值反转
• 当α>1时，输出图像的对比度增强
• 当0<α<1时，输出图像的对比度减小
• 当α<0时，原始图像暗区域变亮，亮区域变暗，图像求补

如图所示，显示了图像的灰度线性变换对应的效果图。

二.图像灰度上移变换

该算法将实现图像灰度值的上移，从而提升图像的亮度，其实现代码如下所示。由于图像的灰度值位于0至255区间之内，所以需要对灰度值进行溢出判断。

# -*- 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)

#图像灰度上移变换 DB=DA+50

for i in range(height):

for j in range(width):



if (int(grayImage[i,j]+50) > 255):

gray = 255

else:

gray = int(grayImage[i,j]+50)



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()

其输出结果如下图所示，图像的所有灰度值上移50，图像变得更白了。注意，纯黑色对应的灰度值为0，纯白色对应的灰度值为255。

三.图像对比度增强变换

该算法将增强图像的对比度，Python实现代码如下所示：

# -*- 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)

#图像对比度增强变换 DB=DA*1.5

for i in range(height):

for j in range(width):



if (int(grayImage[i,j]*1.5) > 255):

gray = 255

else:

gray = int(grayImage[i,j]*1.5)



result[i,j] = np.uint8(gray)

#显示图像

cv2.imshow("Gray Image", grayImage)

cv2.imshow("Result", result)

其输出结果如下图所示，图像的所有灰度值增强1.5倍。

四.图像对比度减弱变换

该算法将减弱图像的对比度，Python实现代码如下所示：

# -*- 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)

#图像对比度减弱变换 DB=DA*0.8

for i in range(height):

for j in range(width):

gray = int(grayImage[i,j]*0.8)

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()

其输出结果如下图所示，图像的所有灰度值减弱，图像变得更暗。

五.图像灰度反色变换

反色变换又称为线性灰度求补变换，它是对原图像的像素值进行反转，即黑色变为白色，白色变为黑色的过程。其Python实现代码如下所示：

# -*- 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)

#图像灰度反色变换 DB=255-DA

for i in range(height):

for j in range(width):

gray = 255 - grayImage[i,j]

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()

其输出结果如下图所示，图像处理前后的灰度值是互补的。

图像灰度反色变换在医学图像处理中有一定的应用，如下图所示：

PS：文章参考自己以前系列图像处理文章及OpenCV库函数，同时参考如下文献：

• 杨秀璋等.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.
• [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