灰度变换（一）

灰度变换基本函数

工作需要，最近在学习数字图像处理，权当就是一个记录了，把书上的例子自己实现一下加深理解，代码若有问题也欢迎大佬指定。
会根据自己的学习进度一点点进行更新，最理想情况当然是把学到的知识点都实现一下（当然这比较困难），尽量坚持下去吧，程序都是用matlab写的。源图片的链接如下：

链接：https://pan.baidu.com/s/16hazkEVVBsewzzH68YrbLg
提取码：zdvv

1、图像反转

根据公式 : $s = L - 1 - r$s=L−1−r
变换前的图片如下所示

f = imread("CH03\1.tif") ;  %read the image 
imshow(f); % show the image 
saveas(gcf , 'reverse1.jpg')
f1 = imadjust(f , [0 , 1] , [1, 0] ,1) ; % reverse the intensity
figure ;
imshow(f1); % compare
saveas(gcf , 'reverse2.jpg')

变换结果如下 ：

2、gamma变换

gamma变化的特点如下图所示，可以看出不同gamma值对暗部或者亮部有着压缩或者扩展的效果。

下面两幅图片的分别属于过暗和过亮的情况

gamma1=imread("CH03\gamma1.tif");
imshow(gamma1)
title("gamma1")
gamma1_trans = imadjust(gamma1,[],[],3); %change gamma value
figure ; 
imshow(gamma1_trans)
title("gamma1 = 3 ")

gamma2=imread("CH03\gamma2.tif");
figure;
imshow(gamma2)
title("gamma2")
saveas(gcf , 'gamma2.jpg')
gamma2_trans = imadjust(gamma2,[],[],0.3); %change gamma value
figure ; 
imshow(gamma2_trans)
title("gamma2 = 0.3 ")
saveas(gcf , 'gamma21.jpg')

gamma3=imread("CH03\gamma3.tif");
figure;
imshow(gamma3)
title("gamma3")
saveas(gcf , 'gamma3.jpg')
gamma3_trans = imadjust(gamma3,[],[],4); %change gamma value
figure ; 
imshow(gamma3_trans)
title("gamma3 = 4 ")
saveas(gcf , 'gamma31.jpg')

经过gamma变换后：

3、分段线性

处理前图片：

图片的灰度值集中在某一段区间内，分别对其采用了阈值二值化处理和分段线性变换（变换曲线的斜率没有严格计算）

clc ;
clear ;
img1 = imread("CH03\piece1.tif") ;
imshow(img1)
title("initial")
saveas(gcf , 'piece1.jpg')
% thresholding process 
low = find(img1 < 110 ); % 
img2 = 255*ones(500) ;
img2(low) = 0 ;
figure 
imshow(img2)
title("thresholding")
saveas(gcf , 'piece2.jpg')
% piecewise linear process
pie1 = find(img1 <= 95) ; 
pie2 = find(img1 >95 & img1 <120)  ;
pie3 = find(img1 >= 120) ;
img3 = img1 ;
img3(pie1) = 0.7*img3(pie1) ;
img3(pie3) = (img3(pie3) - 115 )*0.7 + 190 ;
img3(pie2) = (img3(pie2)-95)*5 +70 ; 
figure ;
imshow(img3)
title("piecewise linear")
saveas(gcf , 'piece3.jpg')

处理后：

4、比特分层

就是将图像灰度值按每一位的0或1进行分层，8bit图像即可分为8层，越高位对灰度影响越大，因此反映整体，越低越反映细节。分层前：

clc ;
clear  ;
close all;
img= imread("CH03\bit.tif") ;
imshow(img)
title("bit all")
saveas(gcf,'bitall.jpg')
imgbit = zeros(596000,8);

for i = 1:1:8
    bit = find(bitget(img,i)); % get the value of bit i 
    imgbit(bit,i) = 1 ; 
end
imgbit = reshape(imgbit,[500,1192,8]);
% 1 bit plane
figure;
imshow(imgbit(:,:,1))
title('bit1')
saveas(gcf ,'bit1.jpg')
% 2 bit plane
figure;
imshow(imgbit(:,:,2))
% 3 bit plane
figure;
imshow(imgbit(:,:,3))
% 4 bit plane
figure;
imshow(imgbit(:,:,4))
% 5 bit plane
figure;
imshow(imgbit(:,:,5))
% 6 bit plane
figure;
imshow(imgbit(:,:,6))
% 7 bit plane
figure;
imshow(imgbit(:,:,7))
% 8 bit plane
figure;
imshow(imgbit(:,:,8))
title('bit8')
saveas(gcf ,'bit8.jpg')

img_rb = imgbit(:,:,8)*128 + imgbit(:,:,7)*64 +  imgbit(:,:,6)*32 + imgbit(:,:,5)*16 ;
figure
imshow(img_rb,[0,255])
title('bit5678')
saveas(gcf ,'bit5678.jpg')
img_rb2 = imgbit(:,:,8)*128 + imgbit(:,:,7)*64   ;
imshow(img_rb2,[0,255])
title('bit78')
saveas(gcf ,'bit78.jpg')

分层后的第一位和第八位分层图：


分别将78位和5678位合成重建


根据高四位合成的图像与原图已经十分相似，在图像压缩中比特分层就有应用。

推荐国漫风雨廊桥和望古神话之天选者，学习之余也要放松