python2%线性拉伸

最新推荐文章于 2024-04-16 18:23:19 发布

原创

最新推荐文章于 2024-04-16 18:23:19 发布 · 4.5k 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#python #gdal #图像处理

本文介绍了一种使用2%线性拉伸方法进行遥感影像增强的技术，通过np.percentile()和np.clip()函数确定灰度范围，并利用cv2.merge()和cv2.split()函数处理和合并RGB波段，显著提升了图像对比度。

该文章已生成可运行项目，

核心要点

本方法是针对遥感数据的，因此使用了Gdal，如果你针对的是普通的图片，就直接使用cv2.imread()来读取即可，就不需要gdal了。
np.percentile()函数
np.clip()函数
cv2.split()函数
cv2.merge()函数
gdal的使用
本代码适用于ipython
若在编辑器下使用，需要自行的稍作修改
主体是函数TwoPercentLinear。

import numpy as np
import cv2
from matplotlib import pyplot as plt

def TwoPercentLinear(image, max_out=255, min_out=0):
    b, g, r = cv2.split(image)#分开三个波段
    def gray_process(gray,

本文章已经生成可运行项目

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Remote Sensing

关注关注

2
点赞
踩
27

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Python遥感图像处理应用篇(二十九)：遥感图像拉伸处理

soderayer的博客

02-13

2075

将原始遥感图像各个波段拉伸到0-255范围显示。运行环境：windows10 pycharm python3.7.7包等。

图像线性拉伸Python使用公式

qq_56809618的博客

10-04

4141

数字图像处理，线性拉伸，python，彩色和灰色图像

参与评论您还未登录，请先登录后发表或查看评论

OpenCV阈值处理全解析：从基础二值化到自适应阈值算法实践

目标检测、LLM相关

08-10

669

函数说明函数官方文档功能说明： Applies a fixed-level threshold to each array element. 使用OpenCV当中的threshold函数,函数官方文档说明地址： https://docs.opencv.org/2.4.2/modules/imgproc/doc/miscellaneous_transformations.html?highlight=threshold#threshold 具体实现 import cv2 import numpy as n

python截断线性拉伸(对应ENVI软件中的Linear2%)

Nick Blog

12-17

4136

1. 原理简介在ENVI里面有Linear和Linear2%的线性拉伸的方法，用的最多的就是Linear2%. Linear方法较为简单: g(x,y)=(d - c) / (b - a) * (f(x, y) + c, 其中d和c分别是输出图像的最大值和最小值，b和a分别是原始图像的最大值和最小值，应用上式变换之后将小于c的灰度值赋值为0，大于d的灰度值赋值为255即可。 Linear2%方法复杂一点，原理如下：读取原始图像后首先进行直方图统计，进而计算累计直方图，假定截断值为2，然后找到2

（四）图像的%2线性拉伸

伯努利

03-26

2746

图像的百分之二线性拉伸

如何使用Gdal、numpy和OpenCV库实现遥感图像的2%线性拉伸？请提供具体的Python代码实现。

10-28

如果你希望深入学习线性拉伸以及其他图像处理技术，建议详细阅读《遥感数据Python2%线性拉伸处理》一书，它将为你提供更多的背景知识和实际操作技巧。参考资源链接：[遥感数据Python2%线性拉伸处理]...

如何通过Gdal、numpy和OpenCV库实现遥感图像的2%线性拉伸？

10-28

你所提到的《遥感数据Python2%线性拉伸处理》一文，将为你提供详细的实现步骤和代码示例，帮助你更好地理解和应用这一图像处理技术。参考资源链接：[遥感数据Python2%线性拉伸处理]...

如何在Python中利用Gdal、numpy和OpenCV实现对遥感图像进行2%线性拉伸？请展示一个完整的代码示例。

最新发布

10-28

下面将展示一个如何使用Gdal、numpy和OpenCV库在Python中实现2%线性拉伸的步骤和代码示例。参考资源链接：[遥感数据Python2%线性拉伸处理](https://wenku.youkuaiyun.com/doc/6401ad14cce7214c316ee351) 首先，需要导入...

用Python实现ENVI中的“优化的线性拉伸”

weixin_44785184的博客

04-07

1775

为了使遥感影像具有更好的可视化效果，一般要对影像进行拉伸显示。线性拉伸在遥感图像处理中非常常见，对于整体偏暗的原始图像来讲，拉伸之后的图像视觉效果得到了显著增强。但对于图像中反射率比较高的地物，线性拉伸会使这些地物显得很亮，模糊其本身的颜色、纹理等信息。ENVI中的“优化的线性拉伸”能在一定程度上解决这个问题。如下图所示，左侧是2%线性拉伸后的结果，右侧是优化的线性拉伸的结果。线性拉伸的代码网上一大堆，但优化的线性拉伸中文互联网一个介绍的都没有。最后还是在ENVI的文档里看到了关于它的介绍，网址是。

c++&python实现遥感影像1、2、5...%线性拉伸

qq_41824159的博客

06-29

911

遥感影像处理

基于GDAL读写影像并做线性拉伸，调整影像亮度

04-14

线性拉伸影像提升亮度，使用GDAL读取影像，做基本的线性拉伸，可以将暗色的影像变的更加清晰

图像处理-线性拉伸

LEILEI18A的博客

05-03

2万+

图像领域：拉伸即：灰度图拉伸，与直方图均衡化类似，但是也不同！！！线性拉伸：1）直接线性拉伸；2）裁剪线性拉伸；3）分段式拉伸。1）直接线性拉伸：（直接归一化，然后放缩到指定大小范围）代码：import cv2import numpy as npgray=np.float( cv2.imread(**) )gray_new=( gray-gray.min() ) / ( gray.max()-gr...

Python 标准差拉伸（更新）

u013255730的博客

05-10

1205

记录日常Python脚本标准差拉伸16bit转为8bit 标准差拉伸16bit转为8bit 代码如下. # -*- coding: utf-8 -*- from osgeo import gdal import numpy as np import os def Bit8(RawBandData, dMin, dMax, Mean, StdDev, Kn): ucMax = Mean + Kn * StdDev ucMin = Mean - Kn * StdDev k = (dM

Coursera吴恩达《神经网络与深度学习》课程笔记（3）-- 神经网络基础之Python与向量化

热门推荐

红色石头的专栏

09-12

2万+

上节课我们主要介绍了逻辑回归，以输出概率的形式来处理二分类问题。我们介绍了逻辑回归的Cost function表达式，并使用梯度下降算法来计算最小化Cost function时对应的参数w和b。通过计算图的方式来讲述了神经网络的正向传播和反向传播两个过程。本节课我们将来探讨Python和向量化的相关知识。1. Vectorization深度学习算法中，数据量很大，在程序中应该尽量减少使用loop循环

【数字图像处理matlab】(直方图线性拉伸/均衡化/匹配）

gsgs1234的博客

03-11

6384

【数字图像处理matlab】(图像增强）数字图像处理关于直方图线性拉伸、直方图均衡化、直方图匹配的代码，matlab编写。 1.直方图线性拉伸 2.直方图均衡化 3.直方图匹配读入一张RGB影像，进行直方图直方图线性拉伸、直方图均衡化、直方图匹配(以另一张影像为基准），展示出处理过的图像及直方图。 function F=Histogram_trans(image) %调用代码-------------------------------- % imageR=imread('eye.jpg'); % i

GDAL实现标准差拉伸渲染影像

TJLCY的博客

11-15

2970

import os from sys import path from osgeo import gdal from osgeo import osr import numpy as np import matplotlib.pyplot as plt import matplotlib.colors as mpc import argparse def stdStretch(imgFile, colorList, flag, outPath): # imgFile 影像 # color

python坐标轴拉伸_Numpy,Python中的“拉伸”直方图(级别)

weixin_39744384的博客

12-04

692

这是一种方法-def stretch(a,lower_thresh,upper_thresh):r = 255.0/(upper_thresh-lower_thresh+2) # unit of stretchingout = np.round(r*(a-lower_thresh+1)).astype(a.dtype) # stretched valuesout[aout[a>upper_t...

【GDAL-Python】10-在Python中可视化多波段卫星影像

weixin_44702962的博客

04-16

1531

在本教程中，主要介绍如何使用 Python 和 matplotlib 可视化多波段WorldView3 卫星影像组成的真彩色影像以及假彩色合成影像。重点介绍了卫星影像的显示策略以及具体显示操作，基于视频教程总结但又不完全局限于此，仅供学习参考。

灰度线性变换2%线性拉伸

01-04

灰度线性变换是通过建立灰度映射来调整图像的灰度值，以达到图像增强的目的。其中，灰度线性变换的公式为：g(x, y) = k * f(x, y) + d。在灰度线性变换中，2%线性拉伸是一种常见的增强图像对比度的方法。它通过将图像的2%最低和2%最高灰度值进行拉伸，使得图像的灰度范围更加均匀分布，从而增强图像的细节。具体实现2%线性拉伸的步骤如下： 1. 计算图像的2%最低和2%最高灰度值，分别记为min_gray和max_gray。 2. 将图像中的每个像素值进行线性变换，公式为：g(x, y) = (f(x, y) - min_gray) * (255 / (max_gray - min_gray))。 3. 对于小于min_gray的像素值，将其设置为0；对于大于max_gray的像素值，将其设置为255。下面是一个示例代码，演示如何进行灰度线性变换的2%线性拉伸： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('image.jpg', 0) # 计算2%最低和2%最高灰度值 hist = cv2.calcHist([image], [0], None, [256], [0, 256]) total_pixels = image.shape[0] * image.shape[1] min_gray = np.argmax(hist > 0.02 * total_pixels) max_gray = np.argmax(hist > 0.98 * total_pixels) # 进行2%线性拉伸 stretched_image = np.clip((image - min_gray) * (255 / (max_gray - min_gray)), 0, 255).astype(np.uint8) # 显示原始图像和拉伸后的图像 cv2.imshow('Original Image', image) cv2.imshow('Stretched Image', stretched_image) cv2.waitKey(0) cv2.destroyAllWindows() ```