使用pycharm进行图像的处理

最新推荐文章于 2024-08-13 22:00:39 发布

差不多女生

最新推荐文章于 2024-08-13 22:00:39 发布

阅读量6.7k

点赞数 3

本文链接：https://blog.csdn.net/weixin_43423030/article/details/115026376

版权

本文介绍了如何在PyCharm环境下使用Python进行图像处理，包括图像的灰度直方图计算、高斯滤波应用以及直方图均衡化的概念和实现。通过直方图分析可以了解图像的对比度，高斯滤波则有助于降低噪声，直方图均衡化能有效增强图像的整体对比度。

摘要由CSDN通过智能技术生成

使用pycharm开发环境和python语言对图像进行处理，如直方图、高斯滤波、直方图均衡化等

图像的灰度直方图

灰度直方图是关于灰度级分布的函数，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。其中，横坐标是灰度级，纵坐标是该灰度级出现的频率。
如果将图像总像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性灰度直方图能够很直观的展示图像中灰度级的整体分布情况，对图像的后续处理有很好的指导作用。

直方图处理概念：灰度级范围为[0,L-1]的数字图像的直方图是离散函数h（rk）=nk，其中rk是第k级灰度值，nk是图像中灰度为rk的像素个数。在实践中，经常用乘积MN表示的图像像素的总数除它的每个分量来归一化直方图，通常M和N是图像的行和列的维数。因此，归一化后的直方图由p（rk）=nk/MN给出，其中k=0,1,…,L-1。简单来说，p（rk）是灰度级rk在图像中出现的概率的一个估计。归一化直方图的所有分量之和应等于1。
在直方图中，暗图像集中分布在灰度级的低端；亮图像集中分布在灰度级的高端。低对比度图像具有较窄的直方图，且集中于灰度级的中部；高对比度图像的直方图分量则覆盖了很宽的灰度级范围。

import cv2
import matplotlib.pyplot as plt
print(plt.get_backend())

#plt.use(‘module://backend_interagg’)
src = cv2.imread('1.jpg',0)
srcl = cv2.resize(src,(300,300)