python图像基本操作与处理（直方图，均衡化，高斯滤波）（一）

最新推荐文章于 2024-08-10 20:02:03 发布

十一吐司

最新推荐文章于 2024-08-10 20:02:03 发布

阅读量426

点赞数

文章标签：计算机视觉

本文链接：https://blog.csdn.net/www_mmmmmm/article/details/114579059

版权

本文介绍了Python中图像处理的三个关键操作：直方图、直方图均衡化和高斯滤波。直方图展示了图像像素的分布，用于特征提取和图像匹配；直方图均衡化通过非线性拉伸增强图像对比度；高斯滤波则用于消除高斯噪声，提高图像质量。文章详细讲解了这些概念的基本原理，并提供了实现代码和结果展示。

摘要由CSDN通过智能技术生成

文章目录

1.直方图

1.1基本原理

直方图是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。

图像直方图是反映一个图像像素分布的统计表，其实横坐标代表了图像像素的种类，可以是灰度的，也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。
图像是由像素构成，因为反映像素分布的直方图往往可以作为图像一个很重要的特征。在实际工程中，图像直方图在特征提取、图像匹配等方面都有很好的应用。

1.2绘制图像轮廓和直方图

原图：

代码：

from PIL import Image
from pylab import *

# 添加中文字体支持
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)
im = array(Image.open('dog.jpg').convert('L'))  # 打开图像，并转成灰度图像

figure()
subplot(121)
gray()
contour(im, origin='image')
axis('equal')
axis('off')
title(u'图像轮廓', fontproperties=font)

subplot(122)
hist(im.flatten(), 128)
title