python图像灰度直方图统计及显示(原图像,线性拉伸后图像)

最新推荐文章于 2024-07-12 17:24:21 发布
最新推荐文章于 2024-07-12 17:24:21 发布
阅读量4k 收藏 24
点赞数 3
文章标签： 计算机视觉 图像处理 opencv python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_56809618/article/details/127177401
版权

框架构建

①先导入图像；

②把图像转为矩阵形式储存；

③然后通过函数调用，拿到图像灰度的最大和最小值；

④对图像进行处理，使用公式：

⑤把拉伸之后的矩阵转换为图像；

⑥求取的直方图；

⑦显示图片及拉伸之后的原图和RGB三个通道的直方图。

总代码

# 图像线性拉伸
from PIL import Image
import numpy a
最低0.47元/天 解锁文章
老师说要学会分享交流zzz~
关注
  • 3
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Opencv+Python笔记（十）灰度直方图、直方图均衡化、掩模的应用
得雨与秧晴亦好 旧冬犹有未鞭禾
04-24 1082
灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。灰度直方图即对图像中的所有像素点灰度值大小频率的统计。1.dims：需要统计的特征数目。
【Python】图像直方图统计
狂放不羁霸的博客
07-16 1143
但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？可以通过 mask 数组把需要处理的部分指定为 1，不需要处理的部分指定为 0，一般设置为 None，表示处理整幅图像。如果输入的图像是灰度图，则它的值就是 [0]；如果输入的图像是彩色图像，则它的值可以是 [0] [1] [2]，分别对应着 BGR。灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。
python绘制直方图
m0_58477260的博客
04-22 826
在Python中，绘制直方图通常使用`matplotlib`库，这是一个非常流行的绘图库，它提供了大量的绘图功能。以下是一个使用`matplotlib`绘制直方图的示例步骤和代码。### 安装`matplotlib`如果你还没有安装`matplotlib`库，可以通过以下命令进行安装： ### 绘制直方图的步骤1. **导入库**：首先需要从`matplotlib`中导入`pyplot`模块，它是`matplotlib`的核心绘图接口。2. **准备数据**：准备一组数据，这些数据可以是任何数值型的数据集，
如何用python绘制灰度直方图_python可视化
weixin_39984578的博客
11-23 1381
基于pandas的内置可视化基本绘图Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现。%matplotlib inlineimport pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2019/04/15',...
学了那么久Python还什么都做不了，我觉得你该试试这个方法了
热门推荐
龙叔的博客
11-08 1万+
答应我，别再做无用功了
红外图像增强python代码-分段线性拉伸-灰度拉伸算法-图片均衡算法代码-红外图像对比图调整-自适应图像均衡算法代码
04-26
该算法采用分段线性拉伸的方法，集成了线性截断、直方图均衡等算法的优点，主要思想是通过统计直方图，将像素灰度值划分为三个等级（分段），分别是低灰度分段、中灰度分段、高灰度分段，每一个分段都采用线性系数...
图片灰度拉伸算法代码-灰度拉伸matlab代码-灰度拉伸python代码-图片对比度增强代码-图像直方图拉伸
04-17
这是一份图像灰度拉伸的代码实现，可...拉伸算法基于直方图统计，被被封装成函数，可以灵活地调用。另外分别附有matlab和python版本的测试代码，方便用户熟悉如何使用。还附有一份测试数据，让客户观看算法的测试效果。
图像灰度线性变换及直方图均衡化源代码.7z
07-12
在这个"图像灰度线性变换及直方图均衡化源代码.7z"压缩包中，包含的源代码将帮助我们理解并实现这两个概念。 1. **灰度线性变换**： 灰度线性变换是一种简单的图像调整方法，它通过改变像素的灰度值来改变图像的...
数字图像处理实验一 直方图及均衡化灰度拉伸
04-12
线性拉伸通过设置图像的最小和最大灰度值来重新映射像素，例如，将原图中0-50的灰度值映射到0-255，使得图像的亮度层次更加丰富。对数拉伸则适用于处理具有大动态范围的图像，它将低灰度级别的变化放大，使图像的暗...
python3+opencv 使用灰度直方图来判断图片的亮暗操作
12-17
1.如何让计算机自动判断一张图是否偏暗?或是判断一张图是否是处于夜晚?我们可以先把图片转换为灰度图,然后根据灰度值的分布来判断,如: 我们可以从上图看到,晚上的图片的灰度值是集中在前段的,如0~30多左右,我们再看一张比较明亮的图片: 明亮的图片的灰度直方图是比较靠后的. 因此要判断图片的亮暗,只需要统计偏暗的像素个数,再除以图片像素的总个数,得到百分比p即可,至于p大于多少即判断为暗,则可以由你自己设置.下面给出代码,此代码可以在装满图片的目录里选出偏暗的图片,然后把这些图片保存下来. 2.代码： import cv2; import numpy as np; import matp
图像的去噪与增强python_python图像去噪_图像增强_图像的去噪与增强算法--python_图像去噪python_图像去
09-10
3. **直方图均衡化**：通过重新分布图像的灰度级，使图像的直方图均匀分布，从而提高图像的整体对比度，尤其适用于低对比度图像。 在Python中，我们可以使用`OpenCV`、`scikit-image`、`PIL`等库来实现这些图像处理...
Python知识：opencv实现的直方图
gongdiwudu的专栏
01-31 7177
本文对opencv实现图片的直方图实现和显示。比如，给定一幅彩色图片，画出三个通道的直方图。做出对比。
python：转换维度、reshape、灰度拉伸、矩阵线性插值、gdal读取tiff图
DMU_Yucky的博客
06-15 1952
【Pnet原型网络】 【灰度拉伸】 【对矩阵做线性插值】 【Totensor()函数】
Python-opencv 灰度直方图+图像二值化
weixin_43909400的博客
03-09 2164
基于opencv的灰度直方图绘制与图像二值化
用python实现灰度图的直方图均衡化
weixin_42613018的博客
02-14 919
下面是使用 Python 实现灰度图的直方图均衡化的代码： import cv2 import numpy as np # 读入图像 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 计算图像的直方图 hist = cv2.calcHist([img], [0], None, [256], [0, 256]) # 计算累计分布函数 c...
[Python从零到壹] 五十一.图像增强及运算篇之图像灰度直方图对比分析万字详解
杨秀璋的专栏
08-12 5568
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，前面的文章详细介绍了图像灰度变换和阈值变换。本篇文章将结合直方图分别对比图像灰度变换前后的变化，方便读者更清晰地理解灰度变换和阈值变换。希望文章对您有所帮助，如果有不足之处，还请海涵。...
OpenCV图像处理应用（面向Python）之直方图
weixin_52272597的博客
07-01 547
OpenCV图像处理应用（面向Python）欢迎来到梁老湿课堂1.直方图的含义直方图的实现 欢迎来到梁老湿课堂 思想如钻子，必须集中在一点钻下去才有力量。（本次课程素材都来源于我的专业课老师小傅，他的课形象生动，他所掌握的知识点犹如大海一般，他最擅长用简单、通俗易懂的语言让我们记住知识点。我只是一个搬运工、打工人。我只是站在他的肩膀上发文章！） 1.直方图的含义 从统计的角度讲，直方图是图像内灰度值的统计于图像灰度之间的函数，直方图统计图像内各个灰度级出现的次数。从直方图的图形上观察，横坐标是图像中各个图像
【OpenCV-Python】：直方图及直方图均衡化（有源码）
王乐予的博客
02-07 1万+
直方图   直方图是进行图像处理过程中的一种非常重要的工具。它是从图像内部灰度级的角度对图像进行表述。   直方图统计的是图像内各个灰度级出现的次数。 直方图的绘制 1.使用pyplot绘制直方图   使用函数：matplotlib.pyplot.hist(X, BINS) X 和 BINS 的参数如下：   X：数据源，必须是一维的。对于通常的二维图像来说，需要使用ravel()函数将图像处理为一维数据源。   BINS：表示灰度级的分组情况。   函数ravel()的作用是将二维数组降维成一维数组，举例
nx上darknet的使用-目标检测-在python中的使用
最新发布
potato123232的博客
07-12 944
在预测中，如果出现了下面这种情况，我们就需要减少预测的结果，可以通过标签后面的置信度减少，但是我们可以看到有两个框的置信度都在0.99以上，这个时候我们就需要用到其他减少框的办法。识别的代码是用的上面提供的源码中的东西，有的代码直接从utils中复制过来了，用的时候不需要引入其他py文件了，只需要.onnx文件与.names文件。用的采集、预测、画 三线程。onnx，这个是将其他类型的模型转换为onnx类型的库，在arm端上安装可能会有些麻烦，但在amd上直接用pip就可以安装了。
python灰度图像预处理
08-28
在Python中，对灰度图像进行预处理的方法有直方图均衡化、线性灰度变换和伽马变换等。 直方图均衡化可以增强图像的对比度。可以使用opencv的equalizeHist函数来实现直方图均衡化。具体步骤如下： 1. 读取并显示图像； 2. 将图像转换为灰度图像； 3. 使用equalizeHist函数对图像进行直方图均衡化； 4. 显示均衡化后的图像。 线性灰度变换可以通过调整图像的灰度级来改变图像的亮度和对比度。可以使用自定义的线性灰度变换函数来实现。具体步骤如下： 1. 读取并显示图像； 2. 定义线性灰度变换函数，根据不同的参数k和b来实现灰度数值的拉伸、压缩和反转； 3. 使用线性灰度变换函数对图像进行处理，得到拉伸、压缩或反转后的图像； 4. 显示处理后的图像。 伽马变换可以改变图像的亮度和对比度，对图像的暗部和亮部进行不同程度的拉伸或压缩。具体步骤如下： 1. 读取并显示图像； 2. 定义伽马变换函数，根据不同的伽马值来实现对暗部和亮部的拉伸或压缩； 3. 使用伽马变换函数对图像进行处理，得到拉伸或压缩后的图像； 4. 显示处理后的图像。 以上是对灰度图像进行预处理的一些常用方法，可以根据具体需求选择适合的方法进行处理。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【python】图像数据预处理](https://blog.csdn.net/qq_45070951/article/details/126103358)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值