正文

掌握灰度图变伪彩技巧，轻松提升图片视觉效果

/0 浏览量
0509

在数字图像处理领域，灰度图和伪彩色图像都是常见的图像表现形式。灰度图以黑白或灰度级别来表示图像的亮度信息，而伪彩色图像则是通过将灰度图中的亮度值映射到不同的颜色上，从而增强图像的可视效果。掌握灰度图变伪彩的技巧，可以让你的图片看起来更加生动有趣。下面，我将详细介绍几种常见的灰度图变伪彩方法。

1. 线性映射

线性映射是最简单的一种伪彩色转换方法。它将灰度图的亮度值直接映射到RGB颜色空间中的相应颜色上。具体步骤如下：

  1. 获取灰度图的每个像素的亮度值。
  2. 将亮度值线性映射到0-255的范围内。
  3. 根据映射后的亮度值，从RGB颜色表中获取对应的颜色。
  4. 将获取到的颜色赋值给原图像的对应像素。
import cv2
import numpy as np

def linear_mapping(gray_image):
    # 将灰度图转换为0-255的整数类型
    gray_image = np.uint8(gray_image)
    # 获取灰度图的尺寸
    height, width = gray_image.shape
    # 创建一个空的RGB图像
    rgb_image = np.zeros((height, width, 3), dtype=np.uint8)
    # 遍历每个像素
    for i in range(height):
        for j in range(width):
            # 获取当前像素的亮度值
            brightness = gray_image[i, j]
            # 线性映射到RGB颜色空间
            r = brightness
            g = brightness
            b = brightness
            # 赋值给RGB图像
            rgb_image[i, j] = [r, g, b]
    return rgb_image

# 读取灰度图
gray_image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
# 调用线性映射函数
rgb_image = linear_mapping(gray_image)
# 显示结果
cv2.imshow('RGB Image', rgb_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 对数映射

对数映射是一种非线性映射方法，它可以增强图像中暗部细节的表现。具体步骤如下：

  1. 获取灰度图的每个像素的亮度值。
  2. 对亮度值进行对数变换。
  3. 将变换后的亮度值线性映射到0-255的范围内。
  4. 根据映射后的亮度值，从RGB颜色表中获取对应的颜色。
  5. 将获取到的颜色赋值给原图像的对应像素。
import cv2
import numpy as np

def logarithmic_mapping(gray_image):
    # 将灰度图转换为0-255的整数类型
    gray_image = np.uint8(gray_image)
    # 获取灰度图的尺寸
    height, width = gray_image.shape
    # 创建一个空的RGB图像
    rgb_image = np.zeros((height, width, 3), dtype=np.uint8)
    # 遍历每个像素
    for i in range(height):
        for j in range(width):
            # 获取当前像素的亮度值
            brightness = gray_image[i, j]
            # 对数变换
            transformed_brightness = np.log(brightness + 1)
            # 线性映射到0-255的范围内
            transformed_brightness = np.uint8((transformed_brightness / np.log(256)) * 255)
            # 获取对应的颜色
            r = transformed_brightness
            g = transformed_brightness
            b = transformed_brightness
            # 赋值给RGB图像
            rgb_image[i, j] = [r, g, b]
    return rgb_image

# 读取灰度图
gray_image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
# 调用对数映射函数
rgb_image = logarithmic_mapping(gray_image)
# 显示结果
cv2.imshow('RGB Image', rgb_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 彩色映射

彩色映射是一种将灰度图中的亮度值映射到特定颜色空间的方法。常见的彩色映射方法包括：

  1. HSV颜色空间：将灰度图的亮度值映射到HSV颜色空间的S（饱和度）和V（亮度）通道，而H（色调）通道保持不变。
  2. Lab颜色空间：将灰度图的亮度值映射到Lab颜色空间的L通道，而a和b通道保持不变。
import cv2
import numpy as np

def color_mapping(gray_image):
    # 将灰度图转换为HSV颜色空间
    hsv_image = cv2.cvtColor(gray_image, cv2.COLOR_GRAY2HSV)
    # 获取HSV图像的尺寸
    height, width = hsv_image.shape[:2]
    # 创建一个空的RGB图像
    rgb_image = np.zeros((height, width, 3), dtype=np.uint8)
    # 遍历每个像素
    for i in range(height):
        for j in range(width):
            # 获取当前像素的亮度值
            brightness = gray_image[i, j]
            # 将亮度值映射到HSV颜色空间的S和V通道
            hsv_image[i, j, 1] = brightness
            hsv_image[i, j, 2] = brightness
            # 将HSV图像转换回RGB图像
            rgb_image[i, j] = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2RGB)[i, j]
    return rgb_image

# 读取灰度图
gray_image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
# 调用彩色映射函数
rgb_image = color_mapping(gray_image)
# 显示结果
cv2.imshow('RGB Image', rgb_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过以上几种方法，你可以轻松地将灰度图转换为伪彩色图像，从而提升图片的视觉效果。在实际应用中，可以根据具体需求和图像特点选择合适的伪彩色转换方法。

-- 展开阅读全文 --