Python计算机视觉一

最新推荐文章于 2024-10-25 14:28:59 发布

JoursDe

最新推荐文章于 2024-10-25 14:28:59 发布

阅读量186

点赞数

文章标签：计算机视觉

本文链接：https://blog.csdn.net/JoursDe/article/details/115313540

版权

这篇博客介绍了Python中计算机视觉的基础操作，包括如何使用直方图展示图像像素分布，直方图均衡化提升图像对比度，以及应用高斯滤波进行图像模糊处理。通过示例代码展示了每个步骤的具体实现。

摘要由CSDN通过智能技术生成

基本的图像操作和处理

1 直方图
2 直方图均衡化
3 高斯滤波

1 直方图

图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。（灰度）图像的直方图可以使用 hist() 函数绘制。hist() 函数的第二个参数指定小区间的数目。需要注意的是，因为 hist() 只接受一维数组作为输入，所以我们在绘制图像直方图之前，必须先对图像进行压平处理。flatten() 方法将任意数组按照行优先准则转换成一维数组。相应示例如下：
代码：

from PIL import Image
from pylab import *
# 读取图像到数组中
im = np.array((Image.open('ch2.jpg').convert('L')))
# 新建一个图像
figure()
subplot(2,1,1)
imshow(Image.open('ch2.jpg'))
# 压平处理
subplot(2,1,2)
hist(im.flatten(