python 归一化一批图像亮度

原创

mob649e8163af7d 2024-09-11 04:15:11 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e8163af7d的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python 中图像亮度归一化的实现方法

在图像处理领域，归一化是一种常用的预处理步骤，尤其是在处理一批图像时，保持一致的亮度可以提高后续分析的准确性。在本篇文章中，我们将学习如何使用 Python 对一批图像的亮度进行归一化处理。以下是整个流程的概述：

流程步骤

下面的表格展示了实现图像亮度归一化的主要步骤：

步骤	描述
1	导入必要的库
2	加载图像
3	计算平均亮度
4	进行亮度归一化
5	保存处理后的图像

接下来，我们将详细讲解每一步的实现方法及对应的代码。

图像亮度归一化步骤

步骤 1: 导入必要的库

我们需要使用一些常用的 Python 库来处理图像数据。下面是导入这些库的代码：

# 导入所需的库
import numpy as np  # 用于数值计算
import cv2  # OpenCV库，用于图像处理
import os  # 用于文件操作

解释:

numpy用于进行数值计算，特别是处理图像的数组操作。
cv2是OpenCV库，广泛用于计算机视觉，能够进行图像读取、处理及保存等操作。
os用于操作系统功能，如文件和目录的处理。

步骤 2: 加载图像

在这一部分，我们将从指定的文件夹加载图像。以下是实现代码：

# 定义加载图像的函数
def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img = cv2.imread(os.path.join(folder, filename))
        if img is not None:
            images.append(img)
    return images

# 指定图像所在文件夹
folder_path = 'path_to_your_images'
images = load_images_from_folder(folder_path)

解释:

load_images_from_folder 函数将目录中的所有图像加载到一个列表中。使用 os.listdir() 获取目录中文件名，并用 cv2.imread() 读取每个图像。

步骤 3: 计算平均亮度

接下来，我们需要计算每张图像的平均亮度。我们可以通过以下代码实现：

# 定义计算图像平均亮度的函数
def calculate_average_brightness(image):
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转换为灰度图
    return np.mean(gray_image)  # 计算并返回平均亮度

# 计算所有图像的平均亮度
average_brightnesses = [calculate_average_brightness(img) for img in images]

解释:

cv2.cvtColor() 将图像转换为灰度图，以便我们可以计算平均亮度。
np.mean() 用于计算数组（灰度值）的平均值。

步骤 4: 进行亮度归一化

在获取每张图像的平均亮度后，我们将根据目标亮度进行归一化处理：

# 定义亮度归一化的函数
def normalize_brightness(image, target_brightness=127):
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    current_brightness = np.mean(gray_image)
    normalized_image = (image * (target_brightness / current_brightness)).clip(0, 255).astype(np.uint8)
    return normalized_image

# 对每张图像进行归一化处理
normalized_images = [normalize_brightness(img) for img in images]

解释:

在normalize_brightness函数内，我们使用 clip 方法确保亮度值在0到255范围内。
astype(np.uint8) 将数据类型转换为无符号8位整数，符合图像格式。

步骤 5: 保存处理后的图像

最后，我们需要将处理后的图像保存到指定的文件夹：

# 定义保存图像的函数
def save_images(normalized_images, output_folder):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)  # 创建输出文件夹
    for i, img in enumerate(normalized_images):
        cv2.imwrite(os.path.join(output_folder, f'normalized_image_{i+1}.png'), img)

# 指定输出目录并保存
output_path = 'path_to_output_images'
save_images(normalized_images, output_path)

解释:

os.makedirs() 用于创建新的输出文件夹（如果不存在）。
cv2.imwrite() 将归一化后的图像写入指定的输出目录。

代码总结

将上述全部代码综合在一起如下：

import numpy as np
import cv2
import os

def load_images_from_folder(folder):
    # 同上
    ...

def calculate_average_brightness(image):
    # 同上
    ...

def normalize_brightness(image, target_brightness=127):
    # 同上
    ...

def save_images(normalized_images, output_folder):
    # 同上
    ...

folder_path = 'path_to_your_images'
images = load_images_from_folder(folder_path)
average_brightnesses = [calculate_average_brightness(img) for img in images]
normalized_images = [normalize_brightness(img) for img in images]
output_path = 'path_to_output_images'
save_images(normalized_images, output_path)

流程图

flowchart TD
    A[导入必要的库] --> B[加载图像]
    B --> C[计算平均亮度]
    C --> D[进行亮度归一化]
    D --> E[保存处理后的图像]

甘特图

下面是整个过程的甘特图表示：

gantt
    title 图像亮度归一化处理
    dateFormat  YYYY-MM-DD
    section 图像处理
    导入必要的库: a1, 2023-10-01, 1d
    加载图像         : a2, after a1, 2d
    计算平均亮度     : a3, after a2, 2d
    进行亮度归一化   : a4, after a3, 2d
    保存处理后的图像 : a5, after a4, 1d