利用Python语言进行简单的数字图像处理(直方图、均衡化、高斯滤波)
一、 利用Python语言绘制直方图
图像直方图为反映一幅图像中各灰度级与各灰度级像素出现的频率之间的关系图。
PIL (Python Imaging Library)图像库提供了很多常用的图像处理及很多有用的图像基本操作。PIL库下载地址链接: link.
实现
原图片
(课本代码)
from PCV.tools import imtools
from PIL import Image
# 添加中文字体支持
from matplotlib.font_manager import FontProperties
from pylab import *
from scipy.ndimage import filters
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
im = array(Image.open('flower.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(3, 3, 1)
axis('off')
gray()
title(u'原始图像', fontproperties=font)
imshow(im)
subplot(3, 3, 4)
axis('off')
title(u'原始直方图', fontproperties=font)
#hist(im.flatten(), 128, cumulative=True, normed=True)
hist(im.flatten(), 128, density=True)1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
结果
二、直方图均衡化
基本原理
直方图均衡化,是通过使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同
实现
(课本代码)
subplot(3, 3, 2)
axis('off')
title(u'直方图均衡化后的图像', fontproperties=font)
imshow(im2)
subplot(3, 3, 5)
axis('off')
title(u'均衡化后的直方图', fontproperties=font)
#hist(im2.flatten(), 128, cumulative=True, normed=True)
hist(im2.flatten(), 128, density=True)1
2
3
4
5
6
7
8
9
10
结果
三、高斯滤波器进行高斯模糊
基本原理
在网上有搜索相关原理,链接: link.这个博主说的感觉挺容易理解的。
一个经典的并且十分有用的图像卷积例子是对图像进行高斯模糊。高斯模糊可以用于定义图像尺度、计算兴趣点以及很多其他的应用场合。
实现
课本代码(根据不同的标准差对图像进行模糊处理)
for bi, blur in enumerate([2, 5, 10]):
im2 = filters.gaussian_filter(im, blur)
im2 = np.uint8(im2)
imNum=str(blur)
subplot(3, 3, 7 + bi)
axis('off')
title(u'标准差为'+imNum, fontproperties=font)
imshow(im2)1
2
3
4
5
6
7
8
9
结果
总结
本次使用的图片为灰度图像,只是进行的操作较为简单的图像处理,主要是开始接触python语言,安装使用pycharm、调用一些库函数以及与计算机视觉相结合的操作和方法。
文章来源: blog.csdn.net,作者:小饼干cookie,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/qq_44818951/article/details/114538510