Python实现图像增强：从去噪到对比度提升的完整流程
本文详细介绍利用Python进行图像增强的多种技术手段，重点解析中值滤波去除椒盐噪声、Gamma校正调整亮度以及对比度提升的具体实现。通过结合OpenCV与scikit-image库，展示从原始图像读取、多步处理到最终效果对比的完整代码流程，帮助开发者掌握改善图像视觉质量的核心方法。
本文通过具体代码实例，展示如何使用Python进行图像增强处理，供读者参考学习。
针对给定的原始图像（见图1），探讨可行的图像增强手段以改善视觉效果，并展示处理后的结果及简要流程说明。
图1 原始图像
常见的图像增强技术主要包括以下几种：
1. 对比度提升
该方法利用线性函数对图像灰度值进行变换，以增强图像细节。
2. Gamma校正
此方法采用非线性函数（指数函数）对灰度值进行变换，常用于调整图像亮度。
3. 直方图均衡化
通过积分概率密度函数将原始图像直方图转化为概率密度为1的理想状态，从而提升对比度。其实质是特定区域的展宽，但可能导致整体图像向亮区偏移。对于给定原始图像，其均衡化效果是确定的。
4. 直方图规定化
为解决直方图均衡化的局限性，将原始图像直方图转化为指定的目标直方图形式。通常需参考原始图像直方图，并利用多高斯函数构建目标直方图。
5. 中值与均值滤波器
均值滤波：选取当前像素的邻近像素组成模板，用模板内像素的平均值替换原像素值。
中值滤波：选取当前像素的邻近像素组成模板，将模板内像素排序后，用中值替换原像素值。
观察图像可知，原图存在较多椒盐噪声且整体偏暗。因此，选用中值滤波处理噪声（其对椒盐噪声效果显著），并同步提升对比度与亮度。
处理流程如下：
第一步：应用中值滤波处理图像，结果见图2。
图2 中值滤波处理结果
第二步：进行Gamma校正，结果见图3。
图3 Gamma校正处理结果
第三步：提升对比度与亮度，结果见图4。
图4 对比度与亮度提升结果
最后输出处理前后的对比图，见图5。
图5 效果对比图
Python实现代码如下：
#author：lph
#funtion:image enhance
import cv2
import numpy as np
from tkinter import *
from skimage import filters,exposure
import matplotlib.pyplot as plt
from skimage.morphology import disk
from matplotlib.font_manager import FontProperties
#读入图片
im = cv2.imread('./image/image.png',0)
im_copy = cv2.imread('./image/image.png',0)
#如果图片为空，返回错误信息，并终止程序
if im is None:
print("图片打开失败！")
exit()
#中值滤波去噪
medStep = 3 # 设置为3*3的滤波器
def m_filter(x, y, step):
"""中值滤波函数"""
sum_s=[] # 定义空数组
for k in range(-int(step/2),int(step/2)+1):
for m in range(-int(step/2),int(step/2)+1):
sum_s.append(im[x+k][y+m]) # 把模块的像素添加到空数组
sum_s.sort() # 对模板的像素由小到大进行排序
return sum_s[(int(step*step/2)+1)]
for i in range(int(medStep/2),im.shape[0]-int(medStep/2)):
for j in range(int(medStep/2),im.shape[1]-int(medStep/2)):
im_copy[i][j] = m_filter(i, j, medStep) # 用模板的中值来替代原像素的值
cv2.imshow("Median",im_copy)
#Gamma校正
img3 = exposure.adjust_gamma(im_copy,1.05)
cv2.imshow("Gamma", img3)
#对比度、亮度增强
def Contrast_and_Brightness(alpha,beta,img):
"""使用公式f(x)=α.g(x)+β"""
#α调节对比度，β调节亮度
blank = np.zeros(img.shape,img.dtype)#创建图片类型的零矩阵
dst = cv2.addWeighted(img,alpha,blank,1-alpha,beta)#图像混合加权
return dst
img4 = Contrast_and_Brightness(1.1,30,img3)
cv2.imshow("Contrast", img4)
#创建一个窗口
plt.figure('对比图',figsize=(7,5))
# 中文字体设置
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #新宋体
#显示原图
plt.subplot(121) #子图1
#显示原图，设置标题和字体
plt.imshow(im,plt.cm.gray), plt.title('处理前图片', fontproperties = font)
#显示处理过的图像
plt.subplot(122) #子图2
#显示处理后的图，设置标题和字体
plt.imshow(img4,plt.cm.gray), plt.title('处理后图片', fontproperties = font)
plt.show()
# 销毁所有窗口
cv2.destroyAllWindows()以上为本文全部内容，希望能为读者提供有益参考。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
