本实验主要实现:对图像进行反相处理,将图像像素值变换到100…200区间,对图像像素值求平方后得到图像,对图像进行直方图均衡化处理
import tkFileDialog
from PIL import Image
from numpy import *
from pylab import *
import imtools
filename = tkFileDialog.askopenfilename(initialdir='E:\experimentcode\Python\stripenoise')
#读入图片
im = Image.open(filename)
#读取图像到数组中
imA = array(im.convert('L'))
imB = 255-imA #对图像进行反相处理
imC = (100.0/255)*imA+100 #将图像像素值变换到100...200区间
imD = 255.0*(imA/255.0)**2#对图像像素值求平方后得到的图像
figure()
subplot(2,2,1)
imshow(imA)
subplot(2,2,2)
imshow(imB)
subplot(2,2,3)
imshow(imC)
subplot(2,2,4)
imshow(imD)
#直方图均衡化
im1,cdf = imtools.histeq(imA)
figure()
subplot(121)
imshow(im1)
subplot(122)
plot(cdf)
show()
imtools.py
from PIL import Image
def histeq(im,nbr_bins=256):
"""对一幅灰度图像进行直方图均衡化"""
#计算图像的直方图
imhist,bins = histogram(im.flatten(),nbr_bins,normed=True)
cdf = imhist.cumsum()#计算分布函数
cdf = 255*cdf/[-1]#归一化
#使用累计分布函数的线性插值,计算新的像素值
im2 = interp(im.flatten(),bins[:-1],cdf)
return im2.reshape(im.shape),cdf
实验结果
参考《Python计算机视觉》