Python计算机视觉 图像处理基础：直方图、直方图均衡化、高斯滤波

---

实验目的

完成Python计算机视觉 图像处理基础：直方图、直方图均衡化、高斯滤波的基础操作。

一、灰度变换

1.1 灰度图的定义

灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。

任何颜色都有红、绿、蓝三原色组成，即三通道，而灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑。

灰度图像是指用灰度表示的图像，即一个像元用1个Byte(bits)表示辐射值。

1.2 彩色图像转灰度图像的方法

1.浮点法：Gray=R0.3+G0.59+B*0.11

2.整数法：Gray=(R30+G59+B*11)/100

3.移位法：Gray =(R77+G151+B*28)>>8;

4.平均值法：Gray=（R+G+B）/3;

5.仅取绿色：Gray=G；

1.3 采用convert()方法转换

PIL中convert()方法原理：

（1）img = img.convert()

convert()函数，用于不同模式图像之间的转换,PIL中有九种不同模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。

（2）img = img.convert(‘1’)
转化为为二值图像，非黑即白。每个像素用8个bit表示，0表示黑，255表示白。

（3）img = img.convert(‘L’)

转换为为灰度图像，每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
转换公式：L = R * 299/1000 + G * 587/1000+ B * 114/1000。

1.4 代码展示

# 利用PIL库读取图像
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

img = Image.open('./pictures/pp.jpg')

# 灰度变换
img_er = img.convert('1')  # 1位像素，黑白，每字节一个像素存储
# 第一种方式：convert()函数
img_gray = np.array(img.convert('L'))  # 8位像素，黑白
# img_gray = np.array(img_gray)
# 第二种方式：
im2 = 255 - img_gray  # 对图像进行反相处理
# 第三种方式
im3 = (100.0 / 255) * img_gray + 100  # 将图像像素值变换到100到200之间
# 第四种方式
im4 = 255.0 * (img_gray / 255.0) ** 2  # 对图像像素值求平方后得到的图像

# 使其标题可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure('灰度变换')
plt.subplot(2, 4, 2)
plt.imshow(img)
plt.title('原图')
plt.axis('off')
plt.subplot(2, 4, 3)
plt.imshow(img_er, plt.cm.gray)
plt.title('二值图像')
plt.axis('off')
plt.subplot(2, 4, 5)
plt.imshow(img_gray, plt.cm.gray)  # plt 是用于显示三通道的，而灰度图是单通道的，所以用plt.cm.gray
plt.axis('off')
plt.subplot(2, 4, 6)
plt.imshow(im2, plt.cm.gray)
plt.axis('off')