分段线性灰度变化实现对比度增强

分段线性灰度变化是一种常见的对比度增强方法，它通过将灰度级分为若干个区间，对每个区间内的像素进行线性变换，从而增强图像的对比度。

具体实现步骤如下：

将图像的灰度级分为若干个区间，可以根据实际情况选择不同的区间数和区间宽度。
对每个区间内的像素进行线性变换，将像素的灰度值映射到新的灰度值范围内。线性变换的公式为：

new_gray = a * old_gray + b

其中，old_gray 为原始灰度值，new_gray 为新的灰度值，a 和 b 是线性变换的参数，可以根据实际情况进行调整。

将所有区间内的像素灰度值进行变换后，将它们合并成一个新的图像。

下面是一个简单的 Python 代码示例：

import cv2
import numpy as np

def linear_contrast(img, intervals, a, b):
    # 分段线性灰度变化实现对比度增强
    # img: 输入图像
    # intervals: 区间数
    # a, b: 线性变换参数
    # 返回增强后的图像

    # 将灰度级分为若干个区间
    gray_range = np.linspace(0, 255, intervals+1).astype(np.uint8)

    # 对每个区间内的像素进行线性变换
    for i in range(intervals):
        mask = cv2.inRange(img, gray_range[i], gray_range[i+1])
        img[mask] = a * (img[mask].astype(np.float32) - gray_range[i]) + b

    return img

# 加载图像
img = cv2.imread('lena.png', cv2.IMREAD_GRAYSCALE)

# 对比度增强
img = linear_contrast(img, intervals=4, a=1.5, b=20)

# 显示结果
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们将灰度级分为 4 个区间，每个区间的宽度为 64。线性变换的参数为 a=1.5，b=20。你可以根据实际情况进行调整。