Python+OpenCV 图像处理（一）

一张图片是由像素点矩阵构成，我们对图片进行操作即为对图片的像素点矩阵进行操作。我们只要在这个像素点矩阵中找到这个像素点的位置，比如第x行，第y列，所以这个像素点在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、绿、蓝三个颜色变量表示(R,G,B)，所以我们通过给这三个变量赋值，来改变这个像素点的颜色。

1.将图片进行灰度化处理

图片的灰度化：将一个像素点的三个颜色变量相等，R=G=B，此时该值称为灰度值，直接调用opencv中的函数

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *     # pylab库画图功能

# 添加中文字体支持
from matplotlib.font_manager import FontProperties

font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
figure()

pil_im = Image.open('C:/Users/asus/Pictures/window/tiger.jpg')  # 原始图像
gray()
subplot(121)  # 一行两列 ，第一个图 （显示）
title(u'原图', fontproperties=font)
axis('off')
imshow(pil_im)

# 读取图像并转换为灰度图像
pil_im = Image.open('C:/Users/asus/Pictures/window/tiger.jpg').convert('L')
subplot(122)
title(u'灰度图', fontproperties=font)
axis('off')
imshow(pil_im)

show()  # 屏幕显示

2.用matplotlib画图像直方图

直方图：就是离散的概率分布图. 比如256灰度图.横轴就是像素值,从0-255,纵轴是当前像素值对应的像素个数。直方图标绘了图像中每个亮度值的像素数。可以借助观察该直方图了解需要如何调整亮度分布。这种直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。因此，一张较暗图片的图像直方图中的数据多集中于左侧和中间部分；而整体明亮、只有少量阴影的图像则相反。

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *

# 添加中文字体支持
from matplotlib.font_manager import FontProperties

font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14