Histogramme Python, égalisation, filtre gaussien
Implémentation du filtre gaussien opencv
(recommandation d'apprentissage gratuite : tutoriel vidéo python )
Tester l'image originale
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
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 manuelfrom 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()
RVB Histogramme à trois canaux
Implémentation du codeimport 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()
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 :
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()
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
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()
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!