Mahotas - 增加伽马校正

在了解如何增加伽马校正之前，我们先了解一下什么是伽马校正。

伽马校正会调整图像的亮度，以匹配我们的眼睛对光的感知。我们的眼睛不是以线性方式看到光的，因此如果不进行校正，图像可能会显得太暗或太亮。

伽马校正对亮度值应用数学变换，通过调整亮度级别使图像看起来更自然。

现在，增加伽马校正是指调整伽马值以使整体图像更亮。当伽马值增加时，暗区会显得更亮，并增强图像的整体对比度。

在 Mahotas 中增加伽马校正

在 Mahotas 中，增加伽马校正是指在更改像素亮度时调整伽马值。

伽马是一个正值，其中 −

• 小于 1 的伽马值将使图像变亮。

• 大于 1 的伽马值将使图像变暗。

• 伽马值为 1 表示无校正，表示像素值与亮度之间存在线性关系。

Mahotas 中的伽马校正涉及对图像的强度值应用幂律变换。幂律变换定义如下 −

new_intensity = old_intensity^gamma

这里，

• old_intensity − 是像素的原始强度值

• new_intensity − 是经过伽马校正后的变换强度值。

• 伽马 决定了对图像应用的校正程度。

在 Mahotas 中，当伽马增加时，意味着强度值被提升到更高的幂。此调整会影响图像的整体亮度。

Mahotas 不提供进行伽马校正的直接方法，但可以通过使用 mahotas 和 numpy 库来实现。

示例

在下面的例子中，我们通过降低伽马值来使灰度图像变暗 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sea.bmp')
# 将其转换为灰度
gray_image = mh.colors.rgb2gray(image)
# 降低伽马值
corrected_gamma = 1.5
# 更新图像以使用校正后的伽马值
gamma_correction = np.power(gray_image, corrected_gamma)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始图像
axes[0].imshow(gray_image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# 显示伽马校正图像
axes[1].imshow(gamma_correction, cmap='gray')
axes[1].set_title('Gamma Corrected图像')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

以下是上述代码的输出 −

使用交互式 Gamma 校正滑块

交互式 Gamma 校正滑块是一个 GUI 元素，允许用户动态调整 Gamma 值。用户可以通过拖动滑块来增加或减少 Gamma 值，从而在显示屏上提供实时反馈。

我们可以使用 mahotas 中的交互式 Gamma 校正滑块来增加 Gamma 校正，首先确定所需的 Gamma 值以增加校正。

然后，通过将像素值提升为反伽马值的幂，将幂律变换应用于图像。

语法

以下是创建交互式滑块 − 的基本语法

from matplotlib.widgets import Slider
Slider(slider_axis, name, min_value, max_value, valint)

其中，

• slider_axis − 它是一个定义滑块位置和尺寸的列表。

• name − 它是滑块的名称。

• mini_value −这是滑块可以达到的最小值。

• max_value − 这是滑块可以达到的最大值。

• valint − 这是滑块的起始值。

示例

在这里，我们尝试使用交互式伽马校正滑块来增加伽马校正 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
from matplotlib.widgets import Slider
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 为绘图创建图形和轴
fig, axis = mtplt.subplots()
# 显示原始图像
axis.imshow(image, cmap='gray')
axis.set_title('Gamma Correction')
axis.set_axis_off()
# 为伽马调整创建滑块
slider_axis = mtplt.axes([0.2, 0.05, 0.6, 0.03])
gamma_slider = Slider(slider_axis, 'Gamma', 0.1, 5.0, valinit=1.0)
# 根据滑块值的变化更新伽马校正和绘图
def update_gamma(val):
   gamma = gamma_slider.val
   corrected_image = np.power(image, gamma)
   axis.imshow(corrected_image, cmap='gray')
   fig.canvas.draw_idle()
gamma_slider.on_changed(update_gamma)
# 显示图形
mtplt.show()

输出

上述代码的输出如下。首先，我们尝试使用滑块增加伽马校正，如下所示 −

现在，使用滑块减少伽马校正 −

使用批量伽马校正

批量伽马校正将多个伽马值应用于单个图像。这有助于并排比较不同伽马值的原始图像，以查看增加伽马校正的影响。

在 Mahotas 中，我们可以通过首先迭代预定伽马值列表，使用批量伽马校正来调整图像的亮度。然后在输入图像上应用具有不同伽马值的幂律变换。

示例

现在，我们尝试使用批量伽马校正减法来增加伽马值

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
from matplotlib.widgets import Slider
# 加载图像
image = mh.imread('sun.png')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 定义伽马值列表
gamma_values = [0.21, 0.82, 2, 5]
# 创建子图以显示每个伽马值的图像
fig, axis = mtplt.subplots(1, len(gamma_values) + 1)
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# 对每个伽马值应用伽马校正
for i, gamma in enumerate(gamma_values):
   corrected_image = np.power(image, gamma)
   axes[i + 1].imshow(corrected_image, cmap='gray')
   axes[i + 1].set_title(f'Gamma={gamma}')
   axes[i + 1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

以下是上述代码的输出 −