opencv基础教程（唐宇迪）--04

直方图：

均衡化原理：

自适应均衡化：自适应直方图均衡化
傅里叶变换：
傅里叶变换

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

# 直方图
'''
# mask = np.zeros(img.shape[:2], np.unit8)
# mask[100:300, 100:400] = 255
hist = cv.calcHist([img], [0], None, [256], [0, 256])  # None为掩码参数,也可用创建的mask
plt.hist(img.ravel(), 256)  # 直方图绘制函数
plt.plot(hist, color = cool)  # 也可利用hist绘制
plt.show()
'''

# 均衡化
'''
equ = cv.equalizeHist(img)
plt.hist(equ.ravel(), 256)
plt.show()
'''

# 自适应直方图均衡化
'''
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
res_clahe = clahe.apply(img)
'''

# 傅里叶变换(用cv展示图像就出现问题，用plt就可以？？？？)
'''
img = cv.imread('C:/Users/27706/Desktop/1.jpg', cv.IMREAD_GRAYSCALE)
img = cv.resize(img, (512, 1024))
img_float32 = np.float32(img)  # 输入图像需要先转换为np.float32格式
dft = cv.dft(img_float32, flags=cv.DFT_COMPLEX_OUTPUT)  # 第一个通道是结果的实部，第二个通道是结果的虚部
dft_shift = np.fft.fftshift(dft)  # 将零频点移到频谱的中间
# magnitude_spectrum = 20 * np.log(cv.magnitude(dft_shift[:, :, 0], dft_shift[:, :, 1]))  # 将值变换值0-255，可打印成图像观察

rows, cols = img.shape
crow, ccol = int(rows/2), int(cols/2)  # 图像中心位置

# 低通滤波
mask = np.zeros((rows, cols, 2), np.uint8)
mask[crow-511:crow+511, ccol-255:ccol+255] = 1  # 中间部分为低频,置1保留，中间置1区域越大，越接近原图
# 高通滤波
# mask = np.ones((rows, cols, 2), np.uint8)
# mask[crow-200:crow+200, ccol-200:ccol+200] = 0  # 中间部分为低频，置0舍去,中间置0区域越大，留下的信息越少

# IDFT
fshift = dft_shift * mask
f_ishift = np.fft.ifftshift(fshift)
img_back = cv.idft(f_ishift)
img_back = cv.magnitude(img_back[:, :, 0], img_back[:, :, 1]) - 255

plt.imshow(img_back, cmap='gray')
plt.show()
'''