JAVA OPENCV灰度图相似度计算算法 基于灰度值的图像比对

一、问题与解决思路

图像实质上就是一个包含了许多像素点的矩阵。

具体计算过程如下：

1. 通过min()函数以及max()函数分别求出处理前原图像的灰度级最小值与最大值；
2. 对原图像进行归一化处理，即用【图像矩阵元素-处理前灰度级最小值】除以【处理前灰度级最大值-处理前灰度级最小值】；
3. 将图像灰度级放缩至我们指定的预期期间，即用【处理后的灰度级最小值】加上“ 【步骤3中归一化处理后的结果】乘以【处理后的灰度级最大值-处理后的灰度级最小值】 ”；
4. 将处理后的图像转为uint8类型以便于正确显示。

二、Python 实现代码

1) 核心函数：

from PIL import Image
from pylab import *

# 自定义图像对比度拉伸函数 myGrayScaleTransformJ
def myGrayScaleTransformJ(img1, para):
    # 若输入不合法，返回原图像
    if (para[0] < 0 or para[1] > 255 or para[0] > para[1]):
        img2 = Image.fromarray(uint8(img1))
        return img2
    # min_after,max_after 分别表示拉伸后灰度级区间的最小值与最大值
    min_after = para[0]
    max_after = para[1]
    # min_before,max_before 分别表示处理前灰度级区间的最小值与最大值
    min_before = img1.min()
    max_before = img1.max()
    # 1、将处理前的图像灰度级进行归一化处理
    temp = (img1 - min_before) / (max_before - min_before)
    # 2、将图像的灰度级放缩至我们指定的预期区间
    img2 = min_after + (temp * (max_after - min_after))
    # 3、转成uint8 类型以便正确显示
    img2 = Image.fromarray(uint8(img2))
    return img2

2) 主函数：

from PIL import Image
from pylab import *
import matplotlib.pyplot as plt
import MyModule

# 以下两行代码解决图片标题中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

img = Image.open("EXP1A.tif").convert("RGB")  # 读入图像  .convert("RGB")解决灰度图像失真问题
plt.subplot(121)  # 划分为1行2列，先画左边第一个
plt.axis('off')
plt.title('原图像')
plt.imshow(img)  # 画出原图像

imgArr = array(Image.open("EXP1A.tif").convert("RGB"))  # 读入图像并转为数组
# 读入para数组，即预期拉伸的灰度级区间范围，para1为最小值，para2为最大值
print ("请分别输入预期拉伸的灰度级区间范围的最小值与最大值（空格隔开）：")
arr = input("")
para = [int(n) for n in arr.split()]

enhancedImg = MyModule.myGrayScaleTransformJ(imgArr, para)  # 调用自定义函数进行线性拉伸
plt.subplot(122)
plt.axis('off')
plt.title('处理后')
plt.imshow(enhancedImg)  # 画出处理后的图像
plt.show()

注意点：

使用 Python 进行图像处理需导入第三方依赖，而 Matlab 则可以直接调用官方的工具包

from PIL import Image

上方语句中的 PIL 用于完成图像的基本处理，如读取图像到程序中，默认为 uint8 类型

from pylab import *

需导入上方依赖才能将图像转换为数组

三、Matlab 实现代码

1) 核心函数

% img1:处理前的灰度图像；img2:处理后的灰度图像
% para(1)表示拉伸后灰度级区间的最小值
% para(2)表示拉伸后灰度级区间的最大值

function img2 = myGrayScaleTransformJ(img1,para)
    % 若输入不合法，则返回原图像
    if (para(1)<0 || para(2)>255 || para(1)>para(2))
        img2 = img1;
        return;
    end
    img1 = double(img1);
    % min_after,max_after分别表示拉伸后灰度级区间的最小值与最大值
    min_after = para(1);
    max_after = para(2);
    % min_before,max_before分别表示处理前灰度级区间的最小值与最大值
    min_before = min(img1(:));
    max_before = max(img1(:));
    % 1、将处理前的图像灰度级进行归一化处理
    temp = (img1 - min_before) ./ (max_before - min_before);
    % 2、将图像的灰度级放缩至我们指定的预期区间
    img2 = min_after + temp .* (max_after - min_after); 
    % 转成uint8类型以便正确显示
    img2 = uint8(img2);
end

2) 主函数：

clc;
clear all;
img1 = imread('EXP1A.tif');
% 画出原来的图像
subplot(2,2,1); 
imshow(img1);   
title('A:raw img');

% 输入数据并调用函数
min = input('请输入拉伸后的灰度级最小值：');
max = input('请输入拉伸后的灰度级最大值：');
para = [min, max];
img2 = myGrayScaleTransformJ(img1, para); 

% 画出将对比度线性拉伸后的图像
subplot(2,2,2);
imshow(img2);
title('A:enhanced img');

3) 运行效果：