Python作業：直方圖、平衡化、高斯濾波

Python直方圖、均衡化、高斯濾波

• 測試原圖
• #直方圖
• • 基本原理
  • matplotlib庫繪製直方圖
  • #RGB三通道直方圖
• 直方圖均衡化
• • 基本原理
  • PCV函式庫完成直方圖平衡化
• 高斯濾波
• • 基本原理

  • opencv高斯濾波實作

（免費學習推薦：

python影片教學

）

測試原圖

直方圖

#基本原理

#什麼是直方圖

：影像的直方圖描述影像的灰階和對應灰階在影像中出現的次數（頻率）的關係，透過直方圖可以進行影像分割、檢索、分類等操作

matplotlib庫的hist函數

：hist函數能夠幫助繪製直方圖。它的參數很多，這裡用到前兩個參數：x、bins。 x參數表示一個像素的一維數組，如果是一維以上的數組可以使用flatten方法展平成一維，一般來說讀入一幅圖片都是一個二維的矩陣，都需要進行展平的操作。 bins參數表示要顯示直方圖的柱數
• 假設有一個二維數組img=[[159,120,130],[100,84,92],[168,150,212]]。其數字表示影像的像素值，展平後img=[159,120,130,100,84,92,168,150,212]，使用hist函數繪製出的直方圖如下圖。橫軸表示像素值，縱軸表示該像素值出現的頻率
• opencv提供的cv2.calcHist()繪製直方圖：calcHist函數需要傳入讀取的圖片image；影像的通道channels，如果是灰階影像channels=0，如果分別是r、g、b通道，則傳入0、1、2。
matplotlib函式庫繪製直方圖

課本程式碼

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()

執行結果

RGB三通道直方圖

程式碼實作

import cv2from matplotlib import pyplot as plt
img = cv2.imread('headimage.jpeg',1)color = ('b','g','r')for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])plt.show()

運行結果

直方圖均衡化

################ #####基本原理############什麼是直方圖均衡化###：直方圖均衡化是利用影像的直方圖對對比度進行調整，是影像增強的一種方法。從圖片直觀上看，均衡化後的圖片對比更強，更加清晰，特徵更加明顯；從直方圖上看，均衡化後的圖片的直方圖灰度值出現的頻率更加均勻。 #########如何平衡直方圖###：#########直方圖平衡化首先要讀取一張圖片img，計算該圖片的直方圖的值imhist （可以使用histogram函數）。 ######得到直方圖的值後需要計算該直方圖的累積直方圖cdf（cdf[i]等於imhist[0]到imhist[i]的總和，可以使用cumsum函數直接得到）。 ######最後就是進行直方圖的均衡化，對於圖片第###i###行第###j###列的像素值img[i, j]，利用公式img[i, j] = cdf[ img[i,j] ] / (m*n)*255進行計算，得到均衡化後的像素值，然後再計算均衡化後的圖片的直方圖，就得到均衡化後的直方圖############使用PCV函式庫的histeq函數均衡化###：傳入影像im，傳回均衡化後的直方圖和累計直方圖cdf。 #########PCV函式庫完成直方圖均衡化#########課本程式碼###

# -*- coding: utf-8 -*-from PIL import Imagefrom pylab import *from PCV.tools import imtools# 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('Python作業：直方圖、平衡化、高斯濾波').convert('L'))  # 打开图像，并转成灰度图像im2, cdf = imtools.histeq(im)figure()subplot(2, 2, 1)axis('off')gray()title(u'原始图像', fontproperties=font)imshow(im)subplot(2, 2, 2)axis('off')title(u'直方图均衡化后的图像', fontproperties=font)imshow(im2)subplot(2, 2, 3)axis('off')title(u'原始直方图', fontproperties=font)hist(im.flatten(), 128, density=True)subplot(2, 2, 4)axis('off')title(u'均衡化后的直方图', fontproperties=font)hist(im2.flatten(), 128, density=True)show()

###執行結果######### 透過執行結果可以得到，因為原始影像整體較暗（黑色），是的原始影像的直方圖在低像素上出現的頻率較高，高像素的頻率低。透過直方圖均衡化後，影像整體變亮，觀察直方圖發現低像素的頻率有所降低，而高像素的頻率升高，使得影像有了更明顯的對比度#########高斯濾波############基本原理############什麼是高斯濾波###：高斯濾波是一種線性平滑濾波，它將正太分佈用於影像處理，適用於消除高斯噪聲，能夠對圖片進行模糊處理，使影像變得平滑，使圖片產生模糊的效果。 ###

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作業：直方圖、平衡化、高斯濾波")# 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作業：直方圖、平衡化、高斯濾波

从Python作業：直方圖、平衡化、高斯濾波中可以看出，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）

以上是Python作業：直方圖、平衡化、高斯濾波的詳細內容。更多資訊請關注PHP中文網其他相關文章！