- 实现幂律变换，对lena图像（灰度）进行处理，观察在不同gamma数值下图像的变化和特点。
- 观察lena图像的直方图，实现lena图像的直方图均衡，观察效果。
代码及内容展示和分析：
1.1选用c*logx,base)来处理lena的每一个像素，并取不同的参数和底数
import cv2 as cv
import numpy as np
import math
Lena = cv.imread‘lena.jpeg’,0)
q = lambda x,a,b:a*math.log1+x,b)
bases = [2,math.exp1),10]
params = [10,20,30]
lena_all = [[np.uint8[[qb,param,base)for b in a]for a in lena])for
param in params]for base in bases]
[[cv.imshowf’{bases[a]}-{params[b]}’,lena_all[a][b])for b in range
lenlena_all[0]))]for a in rangelenlena_all))]
[[cv.imwritef’{bases[a]}-{params[b]}.jpeg’,lena_all[a][b])for b in
rangelenlena_all[0]))]for a in rangelenlena_all))]
if cv.waitKey) == ord‘A’):
cv.destroyAllWindows)
（1）当底数为2，参数选择[10,20,30]时，效果图如下：
Fig.1-1 Fig.1-2 Fig.1-3
（2）当底数为自然对数e，参数选择[10,20,30]时，效果图如下：
Fig.1-4 Fig.1-5 Fig.1-6
（3）当底数为10，参数选择[10,20,30]时，效果图如下：
分析：使用对数处理图像时，图像会变暗，使用修正参数可使图像亮度增加。
1.2选用x^a的形式处理lena的每一个像素
import cv2 as cv
import numpy as np
Lena = cv.imread‘lena.jpeg’,0)
q = lambda x,a:powx,a)
power = [0.4,0.6,0.8,1.1,1.6,2.1]
lena_1 = lena/255
lena_all = [np.float32[[qb,power)for b in a]for a in lena_1])for
power in powers]
lena_re_255 = [np.uint8a*255)for a in lena_all]
[cv.imshowf’{a+1}’,lena_re_255[a])for a in rangelenlena_re_255))]
[cv.imwritef’{a+1}.jpeg’,lena_re_255[a])for a in rangelen
lena_re_255))]
If cv.waitKey) == ord‘A’):
cv.destroyAllWindows)
（1）当幂次选定[0.4,0.6,0.8]小于1的幂次时：
Fig.1-10 Fig.1-11 Fig.1-12
（2）当幂次选定[1.1,1.6,2.1]大于1的幂次时：
Fig.1-13 Fig.1-14 Fig.1-15
分析：当幂次小于1时，越小则图像的亮度越高；当幂次大于1时，越大则图像的亮度越低。
2.lena直方图及其均衡化
import cv 2 as cv
import matplotlib.pyplot as plt
lena = cv.imread‘lena.jpeg’,0)
lena_equ = cv.equalizeHistlena)
cv.imshow‘1’,lena)
cv.imshow‘2’,lena_equ)
cv.imwrite‘lena_equ.jpeg’,lena_equ)
plt.figure‘原始直方图：‘)
plt.histlena.ravel),256)
plt.figure‘均衡后直方图：‘)
plt.histlena_equ.ravel),256)
plt.show)
if cv.waitKey) == ord‘A’):
cv.destroyAllWindows)
（1）Lena原始图和均衡后的lena图
Fig.2-1 Fig.2-2
（2）Lena的直方图和均衡后的直方图
Fig.2-3
Fig.2-4
分析：均衡后的lena图的亮度要比原始图稍微暗一点；均衡后的直方图灰度分布更加均匀一点。