数字图像处理2——图像增强
目的：突出某些信息，削弱不需要的信息
可以利用颜色，形状，形态学
直接灰度映射：对点的灰度值通过某种函数规则映射到新的灰度值
比如g(i,j)=a⋅f(i,j)+bg(i,j)=a⋅f(i,j)+b
或者扩展感兴趣的，牺牲其他的/压缩其他的
用cv2.lut()完成映射
dst = cv2.LUT(src, lut[, dst])src输入图像，通常是一个灰度图像或者彩色图像。
lut查找表，应该是一个大小为 [256,1] 或 [256,3] 的数组（对于灰度图像和彩色图像分别适用），其中包含了从旧像素值到新像素值的映射关系。每个元素的取值范围在 [0,255] 之间。
dst可选参数，输出图像，其大小和深度与输入图像相同。
非线性变换：指数变换（伽马变换）
如果光照较暗，可尝试（但是首选物理手段）
im_for_read="D:\AAAproject\PYproject\EXPERuse\jhk-1754814023931.jpg"
imgg=cv2.imread(im_for_read,-1)
def gamma_transform(image,gamma):inv_Gamma = 1.0 / gammatable=np.array([(i / 255.0)**inv_Gamma * 255 for i in range (256)]).astype("uint8")return cv2.LUT(image,table)
gamma=2.0
after_imgg=gamma_transform(imgg,gamma)
cv2.imshow("after_imgg",after_imgg)
cv2.imshow("imgg",imgg)
cv2.waitKey(0)这是用1/gamma变换，所以当γ大于1会变亮
直方图变换（少用）
统计每个灰度级出现的频数
直方图均衡
把过于集中的直方图部分铺散
卷积
掩膜在这里也叫：滤波器，模板，滤波模板，核，窗口，卷积滤波，卷积模板，卷积核
- 将卷积核中心对准图像某像素（如 (1,1)）
- 对应位置相乘（除中心点外周围一圈）
- 所有乘积求和
- 结果作为输出图像该位置的像素值
- 滑动到下一个位置，重复
kernel = np.array([[0, -1, 0], [-1, 5,-1],[0, -1, 0]]) # 锐化滤波器的例子
sharpened = cv2.filter2D(img, -1, kernel)