【计算机视觉】python 基础图像处理

最新推荐文章于 2024-03-28 10:19:49 发布

Q蕾

最新推荐文章于 2024-03-28 10:19:49 发布

阅读量490

点赞数

分类专栏：计算机视觉文章标签：计算机视觉 python

本文链接：https://blog.csdn.net/qq_37367702/article/details/88135330

版权

本文介绍了Python中的图像处理技术，包括利用PIL将图像转换为灰度并分析其直方图，展示了直方图均衡化如何增强图像细节，以及通过scipy.ndimage和opencv实现不同σ值的高斯模糊效果。

摘要由CSDN通过智能技术生成

1.图像轮廓及直方图

这里用PIL的convert（）方法将图像转换成灰度图像。图像的直方图用来表征图像像素值分布情况。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。该灰度图像的直方图可以使用hist()函数来绘制。

from PIL import Image
from pylab import *
#读取图像到数组里
im=array(Image.open('me.jpg').convert('L'))
figure()
subplot(1,2 ,1)
gray()
contour(im,origin='image')
axis('equal')
axis('off')
subplot(1, 2, 2)
hist(im.flatten(),128)
show()

图像轮廓及直方图，因为我选择的图像轮廓特征较多所以看上去比较杂乱。

2.直方图均衡化

代码如下我这边是直接调用opencv中的直方图均衡化函数。

from PIL import Image
from pylab import *
import numpy as np
import cv2

img = array(Image.open('me.jpg').convert('L'))  # 打开图像，并转成灰度图像
img2 = cv2.equalizeHist(img)

figure()
subplot(2, 2, 1)