第一章 图像处理基础（直方图、高斯滤波、直方图均衡化）

 

本次实验所用图片：

软件：pycharm

一、直方图

import cv2 as cv
from matplotlib import pyplot as plt
import numpy as np


path = '1.jpg'
img = cv.imread(path, 0)
plt.hist(img.ravel(), 256, [0, 256])

plt.show()

View Code

 

运行上面的代码，可以得出图片的直方图：

 

 二、高斯滤波

# coding=utf-8
import cv2
import numpy as np

image = cv2.imread("1.jpg", 0)

lut = np.zeros(256, dtype=image.dtype)  # 创建空的查找表

hist, bins = np.histogram(image.flatten(), 256, [0, 256])
cdf = hist.cumsum()  # 计算累积直方图
cdf_m = np.ma.masked_equal(cdf, 0)  # 除去直方图中的0值
cdf_m = (cdf_m - cdf_m.min()) * 255 / (cdf_m.max() - cdf_m.min())  # 等同于前面介绍的lut[i] = int(255.0 *p[i])公式
cdf = np.ma.filled(cdf_m, 0).astype('uint8')  # 将掩模处理掉的元素补为0

# 计算
result2 = cdf[image]
result = cv2.LUT(image, cdf)

cv2.imshow("OpenCVLUT", result)
cv2.imshow("NumPyLUT", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

View Code

 

　　上述代码分别用3×3和5×5的滤波器对图像进行滤波处理，通过比较中央像素与周围像素亮度的差值，改变中央像素的值为周围模糊半径内（3×3或5×5）像素点的平均值，显然，模糊半径越大，图像会变得更模糊。这样处理后的图片相比于原图片会变得更模糊，即模糊处理。

　　效果图如下：

 

　　　　　　　　　　　3×3效果图　　　　　　　　　　　　　　　　　　　　　　　5×5效果图

仔细看可以看出5×5的效果较3×3的更模糊。

 

三、直方图均衡化

 

# coding=utf-8
import cv2
import numpy as np

image = cv2.imread("1.jpg", 0)

lut = np.zeros(256, dtype=image.dtype)  # 创建空的查找表

hist, bins = np.histogram(image.flatten(), 256, [0, 256])
cdf = hist.cumsum()  # 计算累积直方图
cdf_m = np.ma.masked_equal(cdf, 0)  # 除去直方图中的0值
cdf_m = (cdf_m - cdf_m.min()) * 255 / (cdf_m.max() - cdf_m.min())  # 等同于前面介绍的lut[i] = int(255.0 *p[i])公式
cdf = np.ma.filled(cdf_m, 0).astype('uint8')  # 将掩模处理掉的元素补为0

# 计算
result2 = cdf[image]
result = cv2.LUT(image, cdf)

cv2.imshow("OpenCVLUT", result)
cv2.imshow("NumPyLUT", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

View Code

 

 

　　　　　　　　灰度化处理　　　　　　　　　　　　　　　直方图均衡化处理后

 可以看出，图像经过直方图均衡化，图像增强。

转载于:https://www.cnblogs.com/wenbozhu/p/10477992.html