Python 重新缩放PIL图像的强度

什么是重新缩放PIL图像强度的最简单/最干净的方法

假设我有一个来自12位相机的16位图像，因此只使用0–4095的值。我想重新缩放强度，以便使用整个范围0–65535。当图像表示为PIL的图像类型时，最简单/最干净的方法是什么

到目前为止，我提出的最佳解决方案是：

pixels = img.getdata()
img.putdata(pixels, 16)

这是可行的，但总是将四个最低有效位留空。理想情况下，我希望将每个值向左移动四位，然后将四个最高有效位复制到四个最低有效位。我不知道怎么做得那么快。

你需要做的是。 有关如何使用python和pil执行此操作的信息：

编辑： 代码将每个值向左移动四位，然后将四个最高有效位复制到四个最低有效位

def f(n):
   return  n<<4 + int(bin(n)[2:6],2)

print(f(0))
print(f(2**12))

# output
>>> 0
    65664 # Oops > 2^16

def（n）：
返回n>0
65664#哎呀>2^16

为什么要将4 msb复制回4 lsb？每像素只有12个有效信息位。你所做的一切都不能改善这一点。如果您可以只使用4K强度，这对于大多数应用程序来说都很好，那么您的解决方案是正确的，并且可能是最佳的。如果你需要更多的着色级别，那么正如David所发布的，使用直方图重新计算。但是，这将大大放缓

---

但是，将4个msb复制到4个lsb中不是一个好办法：）

您需要进行直方图拉伸（）而不是直方图均衡化：

---

在您的情况下，您需要将所有像素值乘以16，这是两个动态范围（65536/4096）之间的系数。

也许您应该通过16。（浮点）而不是16（整数）。我试着测试它，但由于某种原因，数据根本不会成倍增长。。。因此，我希望它对您有效。

因为您知道像素值为0-4095，所以我找不到比这更快的方法：

new_image= image.point(lambda value: value<<4 | value>>8)

最大输出像素值将为65520

第二步： 您自己的解决方案的修改版本，使用

itertools

提高效率：

import itertools as it # for brevity
import operator

def scale_12to16(image):
    new_image= image.copy()
    new_image.putdata(
        it.imap(operator.or_,
            it.imap(operator.lshift, image.getdata(), it.repeat(4)),
            it.imap(operator.rshift, image.getdata(), it.repeat(8))
        )
    )
    return new_image

---

这避免了

点

函数参数的限制。

两个链接完全相同，直方图均衡化以不同方式拉伸直方图的不同部分。我想做的只是均匀地拉伸直方图，以便使用整个强度范围。我认为复制4 MSB的原因是它将使用整个范围0–（2^16-1），因此原始图像中的饱和像素在重新缩放的图像中也将显示为饱和。的确，这是将每个通道的位数提升到更高的标准方法。这是一个非常好的主意，但因为如果PIL类型为“I”，则16位图像为，

point

的参数必须是

argument*scale+offset

形式的函数。当然，您是正确的。希望“第二次拍摄”对你来说足够有效。

import itertools as it # for brevity
import operator

def scale_12to16(image):
    new_image= image.copy()
    new_image.putdata(
        it.imap(operator.or_,
            it.imap(operator.lshift, image.getdata(), it.repeat(4)),
            it.imap(operator.rshift, image.getdata(), it.repeat(8))
        )
    )
    return new_image