Python如何實現直方圖、均衡化、高斯濾波

這篇文章將為大家詳細講解有關Python如何實現直方圖、均衡化、高斯濾波，小編覺得挺實用的，因此分享給大家做個參考，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高斯濾波實現

（免費學習推薦：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和對應灰度級在圖像中出現的次數（頻率）的關系，通過直方圖可以進行圖像分割、檢索、分類等操作

matplotlib庫的hist函數：hist函數能夠幫助繪制直方圖。它的參數很多，這里用到前兩個參數：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]]。其數字表示圖像的像素值，展平后img=[159,120,130,100,84,92,168,150,212]，使用hist函數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的頻率

opencv提供的cv2.calcHist()繪制直方圖：calcHist函數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，并轉成灰度圖像print(im)figure()subplot(121)gray()contour(im, origin='image')  #畫圖axis('equal')  # 自動調整比例axis('off')  # 去除x  y軸上的刻度title(u'圖像輪廓')subplot(122)# flatten()函數可以執行展平操作，返回一個一維數組hist(im.flatten(), 128)print(im.flatten())title(u'圖像直方圖')plt.xlim([0,260])plt.ylim([0,11000])show()

運行結果

RGB三通道直方圖

代碼實現

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

什么是直方圖均衡化：直方圖均衡化是利用圖像的直方圖對對比度進行調整，是圖像增強的一種方法。從圖片直觀上看，均衡化后的圖片對比度更強，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）。

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

• 最后就是進行直方圖的均衡化，對于圖片第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進行計算，得到均衡化后的像素值，然后再計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函數均衡化：傳入圖像im，返回均衡化后的直方圖和累計直方圖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()

運行結果

通過運行結果可以得到，因為原圖像整體較暗（黑），是的原圖像的直方圖在低像素上出現的頻率較高，高像素的頻率低。通過直方圖均衡化后，圖像整體變亮，觀察直方圖發現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，能夠對圖片進行模糊處理，使圖像變得平滑，使圖片產生模糊的效果。

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

opencv高斯濾波實現

代碼實現

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()

運行結果

從運行結果中可以看出，經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

關于“Python如何實現直方圖、均衡化、高斯濾波”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。