3.2 图像灰度变换之对数变换

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在上一章，我们介绍了什么是图像的灰度变换，以及灰度变换中的图像反转。图像变换的函数式可以表示如下：$$g(x,y)=F(f(x,y))f(x,y)是位于图像点(x,y)处的像素的值$$这一章我们来讨论图像的对数变换。

对数变换原理

$$g(x,y)=c{\log }_{}(1+f(x,y))$$$$其中f(x,y)是位于图像点(x,y)处的像素的值g(x,y)是变换后的像素值，c是一个常数$$

对数像素变换效果

上图中对数曲线的形状表明，灰度图像的对数变换有如下特点：

• 如果像素值为 0，则计算结果依旧为 0。
• 对数变换意在对图像进行增强（使图像变亮），但是对低像素值的增加幅度要大于高像素值。
• 对数变换虽然对低像素值和对高像素值的增加幅度不一致，但是不会改变原图像已有的灰度等级（简单一点，原图像中更亮的地方依旧更亮）。
• 从一定情况下说，对数变换降低了图像的对比度。

效果图绘制代码

import numpy as np
import matplotlib.pyplot as plt


def uniformArray(array):
    # 计算数组的最小值和最大值
    min = np.min(array)
    max = np.max(array)

    # 归一化处理并缩放到0到255
    normArray = ((array - min) / (max - min)) * 255

    return normArray


if __name__ == '__main__':
    # 定义 x 的范围
    x = np.arange(0, 255)

    # 定义函数
    P = x  # log变换之前的像素值
    PN = uniformArray(np.log(x+1))  # log变换之后的像素值

    # 绘制图像
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.figure(figsize=(10, 10))
    plt.plot(x, P, label='对数变换之前', color='blue')
    plt.plot(x, PN, label='对数变换之后', color='red')
    plt.xlabel('x')
    plt.ylabel('y')
    plt.title('对数变换：对图像的每个像素的值进行操作(取对数后进行归一化)')
    plt.legend()
    plt.grid(True)
    plt.xlim(0, 255)  # 设置 x 轴的范围
    plt.ylim(0, 255)  # 设置 y 轴的范围
    plt.savefig('Image/tmp.png')
    plt.show()

对数变换示例

示例代码

话不多说，我们直接看对数变换的示例和真实效果，下面实例取自 数字图像处理(冈萨雷斯)第四版(这个示例其实意在告诉你，当图像的对比度太大，导致图像失真的一种可行的处理方法)

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv


def uniformArray(array):
    # 计算数组的最小值和最大值
    min_val = np.min(array)
    max_val = np.max(array)

    # 归一化处理并缩放到0到255
    normArray = ((array - min_val) / (max_val - min_val)) * 255

    # 转换为整数类型
    return normArray.astype(np.uint8)


if __name__ == '__main__':
    # 读取灰度图像
    imgGray = cv.imread('Image/Fig0102.tif', 0)

    # 对图像进行对数变换并归一化
    imgTransform = np.log1p(imgGray)  # 使用 log1p 确保输入范围正确
    imgTransform = uniformArray(imgTransform)

    # 显示图像
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.figure(figsize=(10, 10))

    plt.subplot(121)
    plt.imshow(imgGray, cmap='gray')
    plt.axis('off')
    plt.title('Original Image')

    plt.subplot(122)
    plt.imshow(imgTransform, cmap='gray')
    plt.axis('off')
    plt.title('Transformed Image')

    plt.tight_layout()
    plt.savefig('Image/Fig0102.png', transparent=True)
    plt.show()

示例效果图

上图是一个傅里叶频谱，一般频谱的值的取值范围为 0~10⁶ ，如果想用图像的方式展示频谱，那就必须对频谱进行归一化处理，也就是将频谱的值压缩到 0 ~ 255，但是如果压缩就会使得频谱中低的值在图像上无法展示，如上图中的原图像。而对数变换恰好对低像素值的增强效果更好，如上图中的变换后的图像。