### Python 对数变换 图像处理 绘制原图和结果图 在图像处理领域，对数变换是一种常见的非线性增强技术，能够扩展低灰度区域的动态范围，从而改善对比度较差的部分。以下是基于 OpenCV 和 Matplotlib 的实现方式。 #### 实现代码 以下是一个完整的 Python 脚本，展示如何使用 OpenCV 和 Matplotlib 来执行对数变换，并绘制原始图像及其变换后的效果： ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 定义对数变换函数 def log_transform(image, c=1): """ 执行对数变换。 参数: image (numpy.ndarray): 输入灰度图像。 c (float): 尺度因子，默认为 1。 返回: numpy.ndarray: 变换后的图像。 """ transformed_image = c * np.log(1.0 + image) # 应用对数变换公式[^3] return np.uint8(transformed_image) # 加载图像并转换为灰度模式 original_image = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_GRAYSCALE) if original_image is None: raise ValueError("无法加载图像，请检查路径") # 执行对数变换 transformed_image = log_transform(original_image, c=30) # 使用 Matplotlib 显示原始图像和变换后的图像 plt.figure(figsize=(10, 5)) # 原始图像 plt.subplot(1, 2, 1) plt.title("Original Image") plt.imshow(original_image, cmap='gray') plt.axis('off') # 变换后的图像 plt.subplot(1, 2, 2) plt.title("Log Transformed Image") plt.imshow(transformed_image, cmap='gray') plt.axis('off') # 展示图像 plt.tight_layout() plt.show() # 如果需要保存结果图像 cv2.imwrite('log_transformed_image.jpg', transformed_image) ``` #### 关键点解析 1. **对数变换公式**: 对数变换的核心公式为 \( f(x, y) = c \cdot \log(1 + g(x, y)) \)[^3]，其中 \( g(x, y) \) 是输入像素值，\( c \) 是比例系数，用于控制输出亮度范围。 2. **数据类型转换**: 计算完成后需将浮点型数组转换为 `uint8` 类型，以便正确显示图像[^3]。 3. **Matplotlib 显示**: 利用 Matplotlib 提供的功能分别绘制原始图像和经过对数变换后的图像[^1]。 4. **参数调整**: 比例系数 \( c \) 影响最终图像的整体亮度分布，可根据实际需求进行调节。 --- ###