python计算机视觉作业1

最新推荐文章于 2022-04-13 20:44:11 发布

CR大侠

最新推荐文章于 2022-04-13 20:44:11 发布

阅读量497

点赞数 1

本文链接：https://blog.csdn.net/qq_37772863/article/details/88184621

版权

博主分享了学习Python计算机视觉教材的第一章内容，包括图像轮廓与直方图绘制、直方图均衡化、图像平均处理、SciPy模块在图像模糊和差分中的应用。通过实例展示了高斯模糊和高斯差分的效果，讨论了这些预处理技术在增强图像对比度和降噪中的作用。

摘要由CSDN通过智能技术生成

开始学python计算机视觉这本教材，博主写这篇博文记录下本书第一章的部分例程
1、图像轮廓和直方图
下面我们看两个特别的例子：图像轮廓线和图线等高线。在画图像轮廓前需要转换为灰度图像，因为轮廓需要获取每个坐标[x, y]位置的像素值。下面是画图像轮廓和直方图的代码：

 # -*- 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)
im = array(Image.open('../data/empire.jpg').convert('L'))  # 打开图像，并转成灰度图像

figure()
subplot(121)
gray()
contour(im, origin='image')
axis('equal')
axis('off')
title(u'图像轮廓', fontproperties=font)

subplot(122)
hist(im.flatten(), 128)
title(u'图像直方图', fontproperties=font)
plt.xlim([0,260])
plt.ylim([0,11000])

show()

运行结果：
在这里插入图片描述
2、直方图均衡化
一个及其有用的例子是灰度变换后进行直方图均衡化。图像均衡化作为预处理操作，在归一化图像强度时是一个很好的方式，并且通过直方图均衡化可以增加图像对比度。下面是对图像进行均衡化处理的例子：

 # -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
from PCV.tools import imtools

# 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)

im = array(Image.open('../data/empire.jpg').convert('L'))  # 打开图像，并转成灰度图像
#im = array(Image.open('../data/AquaTermi_lowcontrast.JPG').convert('L'))
im2, cdf = imtools.histeq(im)

figure()
subplot(2, 2, 1)
axis('off')
gray()
title(u'原始图像', fontproperties=font)
imshow(im)

subplot(2, 2, 2)
axis('off&