图像处理入门（一）：一些常用的灰度变换函数

引言

        视觉的工作我习惯分为软硬两部分，我主要介绍软件部分的一些工作以及入门方法。视觉的启蒙，我认为最好的是《数字图像处理》冈萨雷斯版本，我会按照此书的学习顺序去介绍图像处理算法，并通过matlab封装的函数实现。对于算法原理可以参考此书的讲解以及网上的资料。
 

一些基本的灰度变换函数

图像反转（灰度反转）：

        在灰度图像中，每个像素的值 r 通常表示亮度，范围是 [0,L−1]，图像反转公式是：s=L-1-r。根据公式可以展开列表直观表达（8位图像）。

matlab代码：

% 读取灰度图像
I = imread('tiger.png');  % 确保这是灰度图像，或者用 rgb2gray 转换

% 如果是彩色图像，先转为灰度图像
if size(I, 3) == 3
    I = rgb2gray(I);
end

% 获取图像的灰度等级
L = 256;  % 对于8位图像，灰度范围是0~255

% 进行灰度反转
I_inverted = L - 1 - I;

% 显示原图与反转图
subplot(1,2,1);
imshow(I);
title('原始图像');

subplot(1,2,2);
imshow(I_inverted);
title('灰度反转图像');

效果图：

对数变换：

        对数变换的基本思想是：将图像的像素值映射到它的对数值，使得较暗区域被拉伸，较亮区域被压缩。可利用公式：s = clog(1+r)实现，值得注意的是：c是缩放常数，确保结果值在合理范围内（比如 0∼255）。冈萨雷斯版本图像直观解释：

matlab代码：

% 读取灰度图像
I = imread('tiger.png');
if size(I, 3) == 3
    I = rgb2gray(I);
end

% 将像素值转换为 double 类型，便于计算
I_double = double(I);

% 对数变换常数（根据最大灰度值调节）
c = 255 / log(1 + max(I_double(:)));

% 执行对数变换
I_log = c * log(1 + I_double);

% 转回 uint8 类型以显示和保存
I_log = uint8(I_log);

% 显示结果
subplot(1,2,1);
imshow(I);
title('原始图像');

subplot(1,2,2);
imshow(I_log);
title('对数变换图像');

 效果图：

伽马变换：

        与对数变换类似，调整图像像素值，但更灵活。公式：

matlab代码：

% 读取图像
I = imread('tiger.png');

% 如果是彩色图像，转为灰度
if size(I, 3) == 3
    I = rgb2gray(I);
end

% 转为 double 类型，并归一化到 [0, 1]
I_norm = im2double(I);

% 设置伽马值（<1 提亮暗部；>1 压暗亮部）
gamma = 0.4;  % 你可以试试 0.4、1.0、2.0 等值
c = 1;        % 常规情况下设为 1

% 执行伽马变换
I_gamma = c * (I_norm .^ gamma);

% 显示图像
subplot(1,2,1);
imshow(I);
title('原始图像');

subplot(1,2,2);
imshow(I_gamma);
title(['伽马变换图像（\gamma = ' num2str(gamma) '）']);

效果图：

直方图均衡 ：我们对图像进行直方图均衡一般分为三步：

1.统计每个灰度值在图像中出现的次数。比如灰度为 50 的像素有多少个、灰度为 200 的又有多少个。统计的格式被称为直方图：

2.计算概率密度的累计分布函数（CDF）

公式为：

这是对原始图像灰度值的累计概率分布，其值范围在 [0,1]。

3.将原灰度值映射到新的值 ​（归一化后乘以 L−1）：

公式表达为：

这个 就是均衡化后的像素值。换句话说，我们重新分配每个灰度值的位置，使得整体的灰度分布尽量平坦。冈萨雷斯在连续空间的直观表达：

matlab代码：

% 读取图像
img = imread('tiger.png');
gray = rgb2gray(img);  % 转为灰度图

% 获取图像尺寸
[M, N] = size(gray);
total_pixels = M * N;

% 计算直方图
hist_counts = imhist(gray);

% 计算累计分布函数（CDF）
cdf = cumsum(hist_counts) / total_pixels;

% 构建映射关系：将原始像素映射到均衡后的像素
equalized = uint8(255 * cdf(gray + 1));

% 显示结果
subplot(2,2,1), imshow(gray), title('原始灰度图');
subplot(2,2,2), imhist(gray), title('原始直方图');
subplot(2,2,3), imshow(equalized), title('均衡化后图像');
subplot(2,2,4), imhist(equalized), title('均衡化后直方图');

效果图：

结束语

        以上是对常用的函数整体梳理，在冈萨雷斯会给出更详细的推导和推广。比如直方图正则化，局部直方图，线性变换，但万变不离其中，掌握上述函数就掌握了基本的灰度变换函数，基于此再去拓展和根据兴趣学习就会更加顺畅。