数字图像处理课程实习——图像的线性变换与直方图变换

武测学牲

已于 2022-11-25 23:20:00 修改

阅读量843

点赞数 1

分类专栏：数字图像处理学习专栏文章标签：图像处理 python pycharm

于 2022-11-25 21:03:32 首次发布

本文链接：https://blog.csdn.net/m0_63578527/article/details/128044435

版权

这篇博客记录了作者在学习数字图像处理课程中的实习经验，主要内容包括图像的灰度线性变换和直方图均衡化。通过实践，作者掌握了图像增强的方法、灰度直方图的计算以及直方图均衡化的实现。实验中遇到的问题，如正确显示图像的技巧（使用plt.imshow()与plt.show()组合），以及matplotlib.pyplot库的使用等，也进行了分享。

摘要由CSDN通过智能技术生成

本人为测绘相关专业，此文为学习课程数字图像处理所写的实习作业部分内容。想着写了也就写了，不如发出来记录以下，说不定自己以后会用到的时候能来看看。当然大家能够从中学到或借鉴到什么就更好啦。

本次实验的目标主要是为了深化对图像增强的目的及意义的理解，巩固所学理论知识，掌握直接灰度变换的图像增强方法，掌握灰度直方图的概念及其计算方法，熟练掌握直方图均衡化的计算过程，学会分析图像直方图。

本次实验主要完成了对图像进行灰度线性变换并显示，对图像进行直方图均衡化并显示，并将原图直方图、线性变换后的直方图、均衡化后图像的直方图显示出来并进行对比。

下为代码部分：
import cv2
import numpy as np
import matplotlib.pyplot as plt

#线性变换增强图像的函数
def linear_transform(img, low_in=0, high_in=1, low_out=0, high_out=1):
    #参数分别为输入图像，输入图像的归一化后的灰度级最低值与最高值，输出图像的归一化后的灰度级最低值与最高值
    #用assert函数来检验灰度级是否正常，不正常则报错
    assert high_in >= 0 and high_in <= 1 and low_in >= 0 and low_in <= 1
    assert high_out >= 0 and high_out <= 1 and low_out >= 0 and low_out <= 1
    #图像灰度级归一化
    img = img / 255.0
    #创造一个与输入图像大小相同的矩阵，且各元素均为0
    out = np.zeros_like(img)