影像增強之對比度拉伸

我們前面提到過影像二值化，影像反轉，本質上是對影像的所有畫素點的灰度進行操作，屬於灰度變換的內容。灰度變換的主要目的是用於影像增強。

而對比度拉伸是影像增強的一種方法，也屬於灰度變換操作。我們看如下影像：

可以看到，這張圖片非常灰暗。我們檢視下其直方圖。

import cv2
import matplotlib.pyplot as plt

farina = cv2.imread("farina.png", 0)

hist_full = cv2.calcHist([farina], [0], None, [256], [0, 256])

plt.plot(hist_full)
plt.show()

可以看到所有畫素的灰度值大部分集中在20-50之間，這使得整個影像很暗淡。也就是說對比度不高。如果我們通過灰度變換，將灰度值拉伸到整個0-255的區間，那麼其對比度顯然是大幅增強的。可以用如下的公式來將某個畫素的灰度值對映到更大的灰度空間：

其中Imin，Imax是原始影像的最小灰度值和最大灰度值，MIN和MAX是要拉伸到的灰度空間的灰度最小值和最大值。

Imax = np.max(farina)
Imin = np.min(farina)
MAX = 255
MIN = 0
farina_cs = (farina - Imin) / (Imax - Imin) * (MAX - MIN) + MIN
cv2.imshow("farina_cs", farina_cs.astype("uint8"))
cv2.waitKey()

可以看出，對比度提升了很多。我們再看看其直方圖，可以看到已經充滿了整個灰度空間。

除了上述方法，對比度拉伸還有其它方法嗎？當然是有的。例如直方圖位移法（Histogram shifting）。公式如下：，

在每個畫素位置的灰度值增加一個偏移量offset。注意，這個offset可以是正數，也可以是負數。正的話，整體亮度變亮，負的話，整體亮度變暗。需要注意的是控制offset的值大小，不要越界。

farina_cs = farina + 100
cv2.imshow("farina_offset", farina_cs.astype("uint8"))
cv2.waitKey()
hist_full = cv2.calcHist([farina_cs.astype("uint8")], [0], None, [256], [0, 256])
plt.plot(hist_full)
plt.show()

下面分別是使用直方圖位移方法後的影像和其直方圖。

可以看出直方圖與原始直方圖形狀一模一樣，只是在橫軸上有所偏移。這種方法的影像增強效果並沒有上一種方法好。