Python如何實(shí)現(xiàn)直方圖、均衡化、高斯濾波

這篇文章將為大家詳細(xì)講解有關(guān)Python如何實(shí)現(xiàn)直方圖、均衡化、高斯濾波，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

Python直方圖、均衡化、高斯濾波

• 測試原圖

• 直方圖

• 
  

• 基本原理

• matplotlib庫繪制直方圖

• RGB三通道直方圖

• 直方圖均衡化

• 
  

• 基本原理

• PCV庫完成直方圖均衡化

• 高斯濾波

• 
  

• 基本原理

• opencv高斯濾波實(shí)現(xiàn)

（免費(fèi)學(xué)習(xí)推薦：python視頻教程）

測試原圖

直方圖

基本原理

什么是直方圖：圖像的直方圖描述圖像的灰度級(jí)和對(duì)應(yīng)灰度級(jí)在圖像中出現(xiàn)的次數(shù)（頻率）的關(guān)系，通過直方圖可以進(jìn)行圖像分割、檢索、分類等操作

matplotlib庫的hist函數(shù)：hist函數(shù)能夠幫助繪制直方圖。它的參數(shù)很多，這里用到前兩個(gè)參數(shù)：x、bins。x參數(shù)表示一個(gè)像素的一維數(shù)組，如果是一維以上的數(shù)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(gè)二維的矩陣，都需要進(jìn)行展平的操作。bins參數(shù)表示要顯示直方圖的柱數(shù)

假設(shè)有一個(gè)二維數(shù)組img=[[159,120,130],[100,84,92],[168,150,212]]。其數(shù)字表示圖像的像素值，展平后img=[159,120,130,100,84,92,168,150,212]，使用hist函數(shù)繪制出的直方圖如下圖。橫軸表示像素值，縱軸表示該像素值出現(xiàn)的頻率

opencv提供的cv2.calcHist()繪制直方圖：calcHist函數(shù)需要傳入讀取的圖片image；圖像的通道channels，如果是灰度圖像channels=0，如果分別是r、g、b通道，則傳入0、1、2。

matplotlib庫繪制直方圖

課本代碼

from PIL import Imagefrom pylab import *# 解決中文亂碼plt.rcParams['font.sans-serif'] = 'SimHei'plt.rcParams['axes.unicode_minus'] = False#im = array(Image.open('headimage.jpeg').convert('L'))  # 打開圖像，并轉(zhuǎn)成灰度圖像print(im)figure()subplot(121)gray()contour(im, origin='image')  #畫圖axis('equal')  # 自動(dòng)調(diào)整比例axis('off')  # 去除x  y軸上的刻度title(u'圖像輪廓')subplot(122)# flatten()函數(shù)可以執(zhí)行展平操作，返回一個(gè)一維數(shù)組hist(im.flatten(), 128)print(im.flatten())title(u'圖像直方圖')plt.xlim([0,260])plt.ylim([0,11000])show()

運(yùn)行結(jié)果

RGB三通道直方圖

代碼實(shí)現(xiàn)

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(yùn)行結(jié)果

直方圖均衡化

基本原理

什么是直方圖均衡化：直方圖均衡化是利用圖像的直方圖對(duì)對(duì)比度進(jìn)行調(diào)整，是圖像增強(qiáng)的一種方法。從圖片直觀上看，均衡化后的圖片對(duì)比度更強(qiáng)，更加清晰，特征更加明顯；從直方圖上看，均衡化后的圖片的直方圖灰度值出現(xiàn)的頻率更加均勻。

如何均衡化直方圖：

• 直方圖均衡化首先要讀取一張圖片img，并計(jì)算該圖片的直方圖的值imhist（可以使用histogram函數(shù)）。

• 得到直方圖的值后需要計(jì)算該直方圖的累計(jì)直方圖cdf（cdf[i]等于imhist[0]到imhist[i]的總和，可以使用cumsum函數(shù)直接得到）。

• 最后就是進(jìn)行直方圖的均衡化，對(duì)于圖片第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(jìn)行計(jì)算，得到均衡化后的像素值，然后再計(jì)算均衡化后的圖片的直方圖，就得到均衡化后的直方圖

使用PCV庫的histeq函數(shù)均衡化：傳入圖像im，返回均衡化后的直方圖和累計(jì)直方圖cdf。

PCV庫完成直方圖均衡化

課本代碼

# -*- coding: utf-8 -*-from PIL import Imagefrom pylab import *from PCV.tools import imtools# 添加中文字體支持from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)im = array(Image.open('tire.jpg').convert('L'))  # 打開圖像，并轉(zhuǎn)成灰度圖像im2, cdf = imtools.histeq(im)figure()subplot(2, 2, 1)axis('off')gray()title(u'原始圖像', fontproperties=font)imshow(im)subplot(2, 2, 2)axis('off')title(u'直方圖均衡化后的圖像', fontproperties=font)imshow(im2)subplot(2, 2, 3)axis('off')title(u'原始直方圖', fontproperties=font)hist(im.flatten(), 128, density=True)subplot(2, 2, 4)axis('off')title(u'均衡化后的直方圖', fontproperties=font)hist(im2.flatten(), 128, density=True)show()

運(yùn)行結(jié)果

通過運(yùn)行結(jié)果可以得到，因?yàn)樵瓐D像整體較暗（黑），是的原圖像的直方圖在低像素上出現(xiàn)的頻率較高，高像素的頻率低。通過直方圖均衡化后，圖像整體變亮，觀察直方圖發(fā)現(xiàn)低像素的頻率有所降低，而高像素的頻率升高，使得圖像有了更明顯的對(duì)比度

高斯濾波

基本原理

什么是高斯濾波：高斯濾波是一種線性平滑濾波，它將正太分布用于圖像處理，適用于消除高斯噪聲，能夠?qū)D片進(jìn)行模糊處理，使圖像變得平滑，使圖片產(chǎn)生模糊的效果。

高斯濾波原理：高斯濾波是用戶指定一個(gè)模板，然后通過這個(gè)模板對(duì)圖像進(jìn)行卷積，所進(jìn)行的卷積操作就是將模板中心周圍的像素值進(jìn)行加權(quán)平均后替換模板中心的像素值

opencv高斯濾波實(shí)現(xiàn)

代碼實(shí)現(xiàn)

import cv2import matplotlib.pyplot as plt

im=cv2.imread("tire.jpg")# 高斯濾波img_Guassian = cv2.GaussianBlur(im,(5,5),0)plt.subplot(121)plt.imshow(im)plt.subplot(122)plt.imshow(img_Guassian)plt.show()

運(yùn)行結(jié)果

從運(yùn)行結(jié)果中可以看出，經(jīng)過高斯濾波后的圖像變得模糊了，邊緣變得沒有那么明顯，圖像變得平滑

關(guān)于“Python如何實(shí)現(xiàn)直方圖、均衡化、高斯濾波”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。