目录
直方图
原理
图像的直方图是用来表征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。
实现
代码
from PIL import Image
from pylab import *
"""
函数说明:绘制直方图
Parameters:
无
Returns:
无
"""
def Histogram():
# 读取图像到数组中并转换成灰度图像
img = array(Image.open('C:/Users/cool/Desktop/test.jpg').convert('L'))
# 新建一个图像
figure()
hist(img.flatten(), 128)
show()
if __name__ == '__main__':
Histogram()
图像
直方图
高斯滤波
原理
高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。
实现
代码
from PIL import Image
from pylab import *
from scipy.ndimage import filters
"""
函数说明:高斯滤波
Parameters:
无
Returns:
无
"""
def Gaussian():
img = array(Image.open('C:/Users/cool/Desktop/test.jpg').convert('L'))
figure()
gray()
axis('off')
subplot(1, 4, 1)
axis('off')
title('原图')
imshow(img)
for bi, blur in enumerate([2, 5, 10]):
img2 = zeros(img.shape)
img2 = filters.gaussian_filter(img, blur)
img2 = np.uint8(img2)
imNum=str(blur)
subplot(1, 4, 2 + bi)
axis('off')
title('标准差为'+imNum)
imshow(img2)
show()
if __name__ == '__main__':
#高斯滤波
mpl.rcParams['font.sans-serif'] = ['SimHei']
Gaussian()
运行结果
直方图均衡化
原理
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。
实现
代码
from PIL import Image
from pylab import *
from numpy import *
"""
函数说明:直方图均衡化
Parameters:
img:灰度图像
nbr_bins=256:直方图使用小区间的数目
Returns:
img2.reshape(img.shape):直方图均衡化后的图像
cdf:用来做像素值映射的累积分布函数
"""
def Histeq(img,nbr_bins=256):
#计算图像的直方图
imhist,bins=histogram(img.flatten(),nbr_bins)
#累计分布函数
cdf = imhist.cumsum()
#归一化
cdf = 255*cdf/cdf[-1]
#使用累积分布函数的线性插值,计算新的像素值
img2 = interp(img.flatten(),bins[:-1],cdf)
return img2.reshape(img.shape),cdf
if __name__ == '__main__':
#直方图均衡化
#解决title是方框的问题
mpl.rcParams['font.sans-serif'] = ['SimHei']
img = array(Image.open('C:/Users/cool/Desktop/test.jpg').convert('L'))
img2,cdf = Histeq(img)
figure()
subplot(2, 2, 1)
#关闭所有坐标轴线、刻度标记和标签
axis('off')
gray()
title('原始图像')
imshow(img)
subplot(2, 2, 2)
axis('off')
title('直方图均衡化后的图像')
imshow(img2)
subplot(2, 2, 3)
axis('off')
title('原始直方图')
# hist(im.flatten(), 128, cumulative=True, normed=True)
hist(img.flatten(), 128)
subplot(2, 2, 4)
axis('off')
title('均衡化后的直方图')
# hist(im2.flatten(), 128, cumulative=True, normed=True)
hist(img2.flatten(), 128)
show()
运行结果