直方图、高斯滤波、直方图均衡化的绘制实现

最新推荐文章于 2022-03-16 23:00:35 发布

彭一华

最新推荐文章于 2022-03-16 23:00:35 发布

阅读量615

点赞数

本文链接：https://blog.csdn.net/weixin_42404078/article/details/114405812

版权

Python+CV

2021/03/05

使用PIL绘制图像的直方图：

原理：图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用 hist() 函数绘制；其中，hist() 函数的第二个参数指定小区间的数目，需要注意的是，因为 hist() 只接受一维数组作为输入，所以我们在绘制图像直方图之前，必须先对图像进行压平处理，使用flatten() 方法将任意数组按照行优先准则转换成一维数组。
代码：
结果：

使用PIL绘制图像的直方图：

原理：直方图均衡化指将一幅图像的灰度直方图变平，使得变换后的图像中每个灰度值的分布概率都相同，该方法是对灰度值归一化，可以增强图像的对比度。
在这种情况下，直方图均衡化的变换函数是图像中像素值的累积分布函数（cumulative
distribution function，简写为 cdf，将像素值的范围映射到目标范围的归一化操作）
定义一个histeq()函数来实现直方图均衡化的功能。该函数有两个参数：im-灰度图像，nbr_bins-直方图中使用的bin的数目。bin:指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目.
代码：
结果：

使用PIL绘制图像的直方图：

原理：图像模糊的本质就是将（灰度）图像 I 和一个高斯核进行卷积操作：
Iσ = I*Gσ
其中 * 表示卷积操作；Gσ 是标准差为 σ 的二维高斯核，高斯模糊通常是其他图像处理操作的一部分，比如图像插值操作、兴趣点计算以及很多其他应用。SciPy 有用来做滤波操作的scipy.ndimage.filters 模块。该模块使用快速一维分离的方式来计算卷积。
随着 σ 的增加，一幅图像被模糊的程度。σ 越大，处理后的图像细节丢失越多。
代码：
结果：