### 幂次变换的概念与实现 幂次变换是一种常见的图像增强技术，其核心思想是对输入图像中的每个像素值应用一个幂函数来调整亮度分布。这种变换通常用于扩展暗区域的对比度或将灰度级重新分配到更宽的动态范围内。 在 Python 中可以利用 NumPy 和 OpenCV 来实现这一功能。以下是具体的实现方式： #### 实现代码 ```python import cv2 as cv import numpy as np def power_transform(image, gamma): """ 对图像进行幂次变换处理。 参数: image (numpy.ndarray): 输入图像数组。 gamma (float): 幂次指数参数。 返回: numpy.ndarray: 经过幂次变换后的图像。 """ # 将图像转换为浮点型并归一化至 [0, 1] normalized_image = image / 255.0 # 应用幂次变换公式 I_out = c * I_in^gamma transformed_image = np.power(normalized_image, gamma) # 转换回 uint8 类型并缩放到 [0, 255] result_image = (transformed_image * 255).astype(np.uint8) return result_image # 加载图像 src = cv.imread('./capture-img.jpg') if src is not None: # 定义伽马值 gamma_value = 2.2 # 可根据需求调整此值 # 进行幂次变换 dst = power_transform(src, gamma_value) # 显示原始图像和处理后的图像 cv.namedWindow('Original Image', cv.WINDOW_AUTOSIZE) cv.imshow('Original Image', src) cv.namedWindow('Power Transformed Image', cv.WINDOW_AUTOSIZE) cv.imshow('Power Transformed Image', dst) # 保存结果图像 cv.imwrite('power-transformed-image.jpg', dst) # 等待按键关闭窗口 cv.waitKey(0) cv.destroyAllWindows() else: print("无法加载图像，请检查路径是否正确。") ``` #### 关键说明 - **归一化**：为了确保计算精度，在执行幂运算前需将像素值归一化到 `[0, 1]` 范围[^1]。 - **伽马校正**：通过调节 `gamma` 参数控制图像的整体明暗程度。当 `gamma < 1` 时，图像变亮；当 `gamma > 1` 时，图像变暗[^3]。 - **数据类型转换**：由于幂运算可能产生超出 `[0, 255]` 的数值范围，因此需要先将其映射回合法区间后再转为整数类型[^4]。 --- ###