为什么你总是后知后觉?

   


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我会根据你的要求回答这个问题。以下是对图像进行直方图均衡化处理的代码: ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 读入原始图像 img = cv2.imread('sauirre1.jpg') # 将原始图像转换成灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对灰度图像进行直方图均衡化处理 equ = cv2.equalizeHist(gray) # 绘制原始图像和直方图 plt.subplot(2, 2, 1) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.title('Original Image') plt.xticks([]), plt.yticks([]) plt.subplot(2, 2, 2) plt.hist(gray.ravel(), 256, [0, 256]) plt.title('Original Image Histogram') plt.xlim([0, 256]) # 绘制均衡化后的图像和直方图 plt.subplot(2, 2, 3) plt.imshow(equ, cmap='gray') plt.title('Equalized Image') plt.xticks([]), plt.yticks([]) plt.subplot(2, 2, 4) plt.hist(equ.ravel(), 256, [0, 256]) plt.title('Equalized Image Histogram') plt.xlim([0, 256]) plt.show() ``` 运行上述代码后,你将得到一个包含原始图像、原始图像直方图、均衡化后的图像和均衡化后图像直方图的图像窗口。其中,第一行中左侧为原始图像,右侧为原始图像直方图;第二行中左侧为均衡化后的图像,右侧为均衡化后图像直方图。 直方图均衡化的原理是将图像中的像素值分布变得更加均匀,使得图像具有更好的视觉效果。具体来说,直方图均衡化可以通过对图像的累积直方图进行线性拉伸来实现。对于像素值范围在[0, L-1]之间的灰度图像,累积直方图可以表示为: $$ h(k) = \sum_{i=0}^{k} p(i) $$ 其中,$p(i)$ 表示像素值为 $i$ 的像素在图像中的占比,$k$ 表示像素值。将每个像素的像素值替换为 $h(k)$,即可实现直方图均衡化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值