Python-Hausaufgaben: Histogramm, Entzerrung, Gaußsche Filterung

Python-Histogramm, Entzerrung, Gaußscher Filter

• Originalbild testen
• Histogramm
• • Grundprinzipien
  • Matplotlib-Bibliothek zum Zeichnen eines Histogramms
  • RGB-Dreikanal-Histogramm
• Rechteckiger Diagrammausgleich
• • Grundprinzip
  • PCV-Bibliothek vervollständigt den Histogrammausgleich
• Gauß-Filter
• • Grundprinzip

  • OpenCV-Gauß-Filterimplementierung

. (Kostenlose Lernempfehlung: Python-Video-Tutorial )

Originalbild testen

Histogramm

Grundprinzip

Was ist ein Histogramm : das. hist Das Gramm eines Bildes beschreibt das Bild. Die Beziehung zwischen dem Grau Ebene und die Häufigkeit (Häufigkeit), mit der die entsprechende Graustufe im Bild erscheint, können Bildsegmentierung, Abruf, Klassifizierung und andere Vorgänge über das Histogramm ausgeführt werden

Die Hist-Funktion der Matplotlib-Bibliothek: Die Hist-Funktion kann Helfen Sie beim Zeichnen von Histogrammbildern. Es hat viele Parameter, die ersten beiden Parameter werden hier verwendet: x, bins. Der x-Parameter stellt ein eindimensionales Array von Pixeln dar. Wenn das Array mehr als eine Dimension hat, kann es mit der Flatten-Methode auf eine Dimension reduziert werden. Im Allgemeinen handelt es sich beim Lesen eines Bildes um eine zweidimensionale Matrix, die eine Flatterung erfordert. Der Bins-Parameter stellt die Anzahl der Spalten dar, in denen das Histogramm angezeigt werden soll.

Angenommen, es gibt ein zweidimensionales Array img=[[159,120,130],[100,84,92],[168,150,212]]. Die Zahl stellt den Pixelwert des Bildes dar. Nach dem Reduzieren ist img=[159,120,130,100,84,92,168,150,212]. Die horizontale Achse stellt den Pixelwert dar und die vertikale Achse stellt die Häufigkeit des Auftretens des Pixelwerts dar

cv2.calcHist(), bereitgestellt von opencv, zeichnet ein Histogramm: Die calcHist-Funktion muss das gelesene Bild übergeben; die Kanäle des Bildes, wenn ja, Graustufenbildkanäle = 0, wenn es sich um R-, G- bzw. B-Kanäle handelt, werden 0, 1 und 2 übergeben. Die Matplotlib-Bibliothek zeichnet ein Histogramm

Histogrammausgleich

Grundprinzip

Was ist Histogrammausgleich?

: Beim Histogrammausgleich wird das Histogramm des Bildes verwendet, um den Kontrast anzupassen. Dies ist eine Methode zur Bildverbesserung. Aus der intuitiven Sicht des Bildes weist das entzerrte Bild einen stärkeren Kontrast auf, ist klarer und weist offensichtlichere Merkmale auf. Aus der Sicht des Histogramms ist die Häufigkeit des Histogramm-Grauwerts des entzerrten Bildes gleichmäßiger.

So entzerren Sie das Histogramm

:

Der Histogrammausgleich muss zuerst ein Bild img lesen und den Histogrammwert imhist des Bildes berechnen (Sie können die Histogrammfunktion verwenden).

Nachdem Sie den Wert des Histogramms erhalten haben, müssen Sie die kumulative Histogramm-CDF des Histogramms berechnen (cdf[i] ist gleich der Summe von imhist[0] bis imhist[i], die direkt über die Summe ermittelt werden kann Funktion).

Der letzte Schritt besteht darin, das Histogramm auszugleichen img[i, j] in der i

Zeile und

jSpalte des Bildes verwenden Sie die Formel img[i, j] = cdf[img[ i,j] ] / (m*n)*255 wird berechnet, um den entzerrten Pixelwert zu erhalten, und dann wird das Histogramm des entzerrten Bildes berechnet, um das entzerrte Histogramm zu erhalten

Verwenden Sie die histeq-Funktion der PCV-Bibliothek Equalization : Übergeben Sie das Bild im und geben Sie das ausgeglichene Histogramm und das kumulative Histogramm cdf zurück.

PCV-Bibliothek vervollständigt den Histogrammausgleich

Lehrbuchcode

• from PIL import Imagefrom pylab import *# 解决中文乱码plt.rcParams['font.sans-serif'] = 'SimHei'plt.rcParams['axes.unicode_minus'] = False#im = array(Image.open('headimage.jpeg').convert('L'))  # 打开图像，并转成灰度图像print(im)figure()subplot(121)gray()contour(im, origin='image')  #画图axis('equal')  # 自动调整比例axis('off')  # 去除x  y轴上的刻度title(u'图像轮廓')subplot(122)# flatten()函数可以执行展平操作，返回一个一维数组hist(im.flatten(), 128)print(im.flatten())title(u'图像直方图')plt.xlim([0,260])plt.ylim([0,11000])show()

Laufergebnisse
• Die Laufergebnisse können erhalten werden, weil das Originalbild insgesamt dunkler (schwarz) ist und das Histogramm des Originalbilds bei niedrigen Pixeln liegt Die Häufigkeit des Auftretens ist höher und die Häufigkeit hoher Pixel niedrig. Nach dem Histogrammausgleich wird das Bild insgesamt heller. Beim Betrachten des Histogramms stellt man fest, dass die Häufigkeit niedriger Pixel abgenommen hat, während die Häufigkeit hoher Pixel zugenommen hat, was dem Bild einen deutlicheren Kontrast verleiht Grundprinzip

Was ist ein Gaußscher Filter?: Der Gaußsche Filter ist ein linearer Glättungsfilter, der die Normalverteilung für die Bildverarbeitung verwendet Bild weicher. Erzeugt einen unscharfen Effekt.

高斯滤波原理：高斯滤波是用户指定一个模板，然后通过这个模板对图像进行卷积，所进行的卷积操作就是将模板中心周围的像素值进行加权平均后替换模板中心的像素值

opencv高斯滤波实现

代码实现

import cv2import matplotlib.pyplot as plt

im=cv2.imread("Python-Hausaufgaben: Histogramm, Entzerrung, Gaußsche Filterung")# 高斯滤波img_Guassian = cv2.GaussianBlur(im,(5,5),0)plt.subplot(121)plt.imshow(im)plt.subplot(122)plt.imshow(img_Guassian)plt.show()

Python-Hausaufgaben: Histogramm, Entzerrung, Gaußsche Filterung

从Python-Hausaufgaben: Histogramm, Entzerrung, Gaußsche Filterung中可以看出，经过高斯滤波后的图像变得模糊了，边缘变得没有那么明显，图像变得平滑

相关免费学习推荐：python教程（视频）

Das obige ist der detaillierte Inhalt vonPython-Hausaufgaben: Histogramm, Entzerrung, Gaußsche Filterung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!