计算对比图

Question

我正在尝试计算窗口中每个像素周围的对比度NxN，并将结果保存在新图像中，其中新图像中的每个像素是旧图像中其周围区域的对比度。从另一篇文章我得到了这个：

1) Convert the image to say LAB and get the L channel
2) Compute the max for an NxN neighborhood around each pixel
3) Compute the min for an NxN neighborhood around each pixel
4) Compute the contrast from the equation above at each pixel.
5) Insert the contrast as a pixel value in new image.

目前我有以下内容：

1) Convert the image to say LAB and get the L channel
2) Compute the max for an NxN neighborhood around each pixel
3) Compute the min for an NxN neighborhood around each pixel
4) Compute the contrast from the equation above at each pixel.
5) Insert the contrast as a pixel value in new image.

该代码抱怨 roi 的大小。有没有更好的（Pythonic）方式来做我想做的事？

Answer 1

您可以使用扩张和侵蚀形态学运算来查找 NxN 邻域的最大值和最小值。

• NxN 的膨胀相当于NxN 邻域的最大值。
• NxN 的腐蚀相当于NxN 邻域的最小值。

使用形态学运算使解决方案比“手动”将图像划分为小块要简单得多。

您可以使用以下阶段：

• 转换到LAB色彩空间并得到L通道。
• 使用“dilate”形态学操作（dilate相当于在NxN邻域中找到最大像素）。
• 使用“侵蚀”形态学操作（膨胀相当于在 NxN 邻域中找到最大像素）。
• 将图像转换为 float 类型（使用除法运算之前需要）。
• 计算对比图（对比图的范围是[0, 1]）。
• 将对比度图转换为带有舍入的 uint8 类型 - 转换会降低准确性，因此我不能推荐它（但我假设您需要转换才能将输出作为图像）。

这是完整的代码示例：

import numpy as np
import cv2

size_n = 5 # NxN neighborhood around each pixel

# Read input image
img = cv2.imread('chelsea.png')

# Convert to LAB color space
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

# Get the L channel
L = lab[:, :, 0]

# Use "dilate" morphological operation (dilate is equivalent to finding maximum pixel in NxN neighborhood)
img_max = cv2.morphologyEx(L, cv2.MORPH_DILATE, np.ones((size_n, size_n)))

# Use "erode" morphological operation (dilate is equivalent to finding maximum pixel in NxN neighborhood)
img_min = cv2.morphologyEx(L, cv2.MORPH_ERODE, np.ones((size_n, size_n)))

# Convert to type float (required before using division operation)
img_max = img_max.astype(float)
img_min = img_min.astype(float)

# Compute contrast map (range of img_contrast is [0, 1])
img_contrast = (img_max - img_min) / (img_max + img_min)

# Convert contrast map to type uint8 with rounding - the conversion loosed accuracy, so I can't recommend it.
# Note: img_contrast_uint8 is scaled by 255 (scaled by 255 relative to the original formula).
img_contrast_uint8 = np.round(img_contrast*255).astype(np.uint8)

# Show img_contrast as output
cv2.imshow('img_contrast', img_contrast_uint8)
cv2.waitKey()
cv2.destroyAllWindows()

输入图像：

L图像：

img_max:

img_min:

对比图img_contrast_uint8：