Devoir Python : histogramme, égalisation, filtrage gaussien

coldplay.xixi
Libérer: 2021-03-10 10:41:31
avant
2550 Les gens l'ont consulté

Devoir Python : histogramme, égalisation, filtrage gaussien

Histogramme Python, égalisation, filtre gaussien

  • Image de test originale
  • Histogramme
    • Principes de base
    • La bibliothèque matplotlib dessine un histogramme
    • Histogramme RVB à trois canaux
  • Égalisation de l'histogramme
    • Principes de base
    • La bibliothèque PCV complète l'égalisation de l'histogramme
  • Filtrage gaussien
    • Principes de base
    • Implémentation du filtre gaussien opencv

(recommandation d'apprentissage gratuite : tutoriel vidéo python )

Tester l'image originale

Devoir Python : histogramme, égalisation, filtrage gaussien

Devoir Python : histogramme, égalisation, filtrage gaussien

Histogramme

Principes de base

Qu'est-ce qu'un histogramme : Histogramme d'une image Décrit la relation entre le niveau de gris d'un l'image et le nombre de fois (fréquence) où le niveau de gris correspondant apparaît dans l'image. Les histogrammes peuvent être utilisés pour effectuer la segmentation, la récupération, la classification et d'autres opérations

fonction hist de la bibliothèque matplotlib <.> : La fonction hist peut aider à dessiner des histogrammes. Il a de nombreux paramètres, les deux premiers paramètres sont utilisés ici : x, bins. Le paramètre x représente un tableau unidimensionnel de pixels. Si le tableau comporte plusieurs dimensions, il peut être aplati en une seule dimension à l'aide de la méthode d'aplatissement. De manière générale, la lecture d'une image est une matrice bidimensionnelle qui nécessite un aplatissement. Le paramètre bins représente le nombre de colonnes pour afficher l'histogramme

Supposons qu'il existe un tableau bidimensionnel img=[[159,120,130],[100,84,92],[168,150,212]]. Le nombre représente la valeur en pixels de l'image. Après aplatissement, img=[159,120,130,100,84,92,168,150,212]. L'histogramme dessiné à l'aide de la fonction hist est comme indiqué ci-dessous. L'axe horizontal représente la valeur du pixel, et l'axe vertical représente la fréquence d'apparition de la valeur du pixel


Devoir Python : histogramme, égalisation, filtrage gaussien
cv2.calcHist() fourni par opencv dessine un histogramme : le calcHist La fonction doit transmettre l'image lue ; les canaux de l'image, s'il s'agit d'une image en niveaux de gris = 0, s'il s'agit respectivement des canaux r, g et b, alors 0, 1 et 2 sont transmis.

Bibliothèque matplotlib pour dessiner des histogrammes

Code du manuel

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()
Copier après la connexion
Résultats d'exécution


Devoir Python : histogramme, égalisation, filtrage gaussien

RVB Histogramme à trois canaux

Implémentation du code

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()
Copier après la connexion
Résultats d'exécution


Devoir Python : histogramme, égalisation, filtrage gaussien

Égalisation de l'histogramme

Principe de base

Qu'est-ce que l'égalisation de l'histogramme : L'égalisation de l'histogramme consiste à utiliser l'histogramme de l'image pour ajuster le contraste, qui est un type de méthode d'amélioration de l'image. Intuitivement, d'après l'image, l'image égalisée a un contraste plus fort, est plus claire et présente des caractéristiques plus évidentes ; d'après l'histogramme, la fréquence de la valeur de gris de l'histogramme de l'image égalisée est plus uniforme.

Comment égaliser l'histogramme :

    L'égalisation de l'histogramme doit d'abord lire une image img et calculer la valeur de l'histogramme imhist de l'image (vous pouvez utiliser l'histogramme fonction).
  • Après avoir obtenu la valeur de l'histogramme, vous devez calculer l'histogramme cumulé cdf de l'histogramme (cdf[i] est égal à la somme de imhist[0] à imhist[i], qui peut être obtenue directement en utilisant la fonction cumsum).
  • La dernière étape consiste à égaliser l'histogramme. Pour la valeur de pixel img[i, j] dans la ligne
  • i et la colonne j de l'image, utilisez le La formule img[i, j] = cdf[ img[i,j] ] / (m*n)*255 est calculée pour obtenir la valeur de pixel égalisée, puis l'histogramme de l'image égalisée est calculé pour obtenir l'histogramme égalisé.

est égalisé à l'aide de la fonction histeq de la bibliothèque PCV : passer l'image im et renvoyer l'histogramme égalisé et l'histogramme cumulé cdf.

PCV La bibliothèque termine l'égalisation de l'histogramme

Code du manuel

# -*- 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('Devoir Python : histogramme, égalisation, filtrage gaussien').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()
Copier après la connexion
Résultats d'exécution


Devoir Python : histogramme, égalisation, filtrage gaussien Les résultats d'exécution peuvent être obtenus , étant donné que l'image originale est globalement plus sombre (noire), l'histogramme de l'image originale apparaît plus fréquemment dans les pixels faibles et moins fréquemment dans les pixels élevés. Après égalisation de l'histogramme, l'image dans son ensemble devient plus lumineuse. En observant l'histogramme, on constate que la fréquence des pixels faibles a diminué, tandis que la fréquence des pixels élevés a augmenté, donnant à l'image un contraste plus évident

Filtrage gaussien

Principe de base

Qu'est-ce que le filtrage gaussien : Le filtrage gaussien est un filtre de lissage linéaire qui utilise une distribution normale Le traitement de l'image permet d'éliminer le bruit gaussien et peut rendre les images floues pour les lisser et produire un effet flou.

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
Devoir Python : histogramme, égalisation, filtrage gaussien

opencv高斯滤波实现

代码实现

import cv2import matplotlib.pyplot as plt

im=cv2.imread("Devoir Python : histogramme, égalisation, filtrage gaussien")# 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()
Copier après la connexion

Devoir Python : histogramme, égalisation, filtrage gaussien
Devoir Python : histogramme, égalisation, filtrage gaussien
从Devoir Python : histogramme, égalisation, filtrage gaussien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)

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:csdn.net
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal