计算机视觉第一章图像处理

一、图像轮廓和直方图

图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。
二、直方图均衡化

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

原图

灰度图

三、高斯模糊与高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和领域内的其他像素值经过加权平均后得到。
高斯滤波的具体操作：用一个模板扫描图像中的每一个像素，用模板确定的领域内像素的加权平均灰度值去替代模板中心像素点的作用。

高斯模糊：
我们常说的高斯模糊使用高斯滤波器完成，高斯模糊是低通滤波器的一种，也就是滤波函数是低通高斯函数，但是高斯滤波器是指用高斯函数作为滤波函数，至于是不是模糊，要看高斯低通还是高通。低通就是模糊，高通就是锐化。
算法步骤：
高斯滤波一般有两种方式可以实现，用离散化窗口卷积，另一种通过傅立叶变换。
高斯模糊是一个非常典型的图像卷积的例子，本质上，高斯模糊将灰度图像和一个高斯核进行卷积操作。
平均过程：
对于图像来说，进行平滑和模糊，就是利用周边像素的平均值。
运行结果

总结：

图像中像素值的累积分布函数（cdf）是可以将像素值的范围映射到目标范围的归一化操作

因为histeq 函数放到imtools,py中去了，所以调用的时候，需要import imtools——> im2, cdf = imtools.histeq(im)

此时im2就是经过均衡化后的图像了。