使用分段线性灰度变化方法对图像进行对比度增强代码示例

import numpy as np
import cv2

def linear_gray_scale(img, breakpoints):
    """
    对图像进行分段线性灰度变换
    :param img: 输入图像
    :param breakpoints: 分段点，列表类型，例如[50, 100, 150]
    :return: 输出图像
    """
    # 将图像转为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 获取图像的最大灰度值
    max_gray = np.max(gray)

    # 分段线性灰度变换
    for i in range(len(breakpoints) + 1):
        if i == 0:
            gray[gray <= breakpoints[i]] = int(max_gray / (len(breakpoints) + 1) * i)
        elif i == len(breakpoints):
            gray[gray > breakpoints[i - 1]] = int(max_gray / (len(breakpoints) + 1) * i)
        else:
            gray[(gray > breakpoints[i - 1]) & (gray <= breakpoints[i])] = int(max_gray / (len(breakpoints) + 1) * i)

    return gray

# 读取图像
img = cv2.imread('lena.jpg')

# 分段点
breakpoints = [50, 100, 150]

# 分段线性灰度变换
result = linear_gray_scale(img, breakpoints)

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

在上面的代码中，我们定义了一个linear_gray_scale函数，用于对图像进行分段线性灰度变换。该函数接受两个参数，分别是输入图像和分段点列表。在函数内部，我们首先将输入图像转为灰度图，然后获取图像的最大灰度值。接着，我们根据分段点对灰度值进行分段，并对每个分段内的灰度值进行线性变换。最后，我们将处理后的灰度图作为函数的返回值。

在主函数中，我们读取了一张图像，并定义了一个分段点列表。然后，我们调用linear_gray_scale函数对图像进行分段线性灰度变换，并将结果显示出来。