第一章 圖像處理基礎（直方圖、高斯濾波、直方圖均衡化）

 

本次實驗所用圖片：

軟件：pycharm

一、直方圖

import cv2 as cv
from matplotlib import pyplot as plt
import numpy as np


path = '1.jpg'
img = cv.imread(path, 0)
plt.hist(img.ravel(), 256, [0, 256])

plt.show()

 

運行上面的代碼，可以得出圖片的直方圖：

 

 二、高斯濾波

# coding=utf-8
import cv2
import numpy as np

image = cv2.imread("1.jpg", 0)

lut = np.zeros(256, dtype=image.dtype)  # 創建空的查找表

hist, bins = np.histogram(image.flatten(), 256, [0, 256])
cdf = hist.cumsum()  # 計算累積直方圖
cdf_m = np.ma.masked_equal(cdf, 0)  # 除去直方圖中的0值
cdf_m = (cdf_m - cdf_m.min()) * 255 / (cdf_m.max() - cdf_m.min())  # 等同於前面介紹的lut[i] = int(255.0 *p[i])公式
cdf = np.ma.filled(cdf_m, 0).astype('uint8')  # 將掩模處理掉的元素補為0

# 計算
result2 = cdf[image]
result = cv2.LUT(image, cdf)

cv2.imshow("OpenCVLUT", result)
cv2.imshow("NumPyLUT", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

　　上述代碼分別用3×3和5×5的濾波器對圖像進行濾波處理，通過比較中央像素與周圍像素亮度的差值，改變中央像素的值為周圍模糊半徑內（3×3或5×5）像素點的平均值，顯然，模糊半徑越大，圖像會變得更模糊。這樣處理后的圖片相比於原圖片會變得更模糊，即模糊處理。

　　效果圖如下：

 

　　　　　　　　　　　3×3效果圖　　　　　　　　　　　　　　　　　　　　　　　5×5效果圖

仔細看可以看出5×5的效果較3×3的更模糊。

 

三、直方圖均衡化

 

# coding=utf-8
import cv2
import numpy as np

image = cv2.imread("1.jpg", 0)

lut = np.zeros(256, dtype=image.dtype)  # 創建空的查找表

hist, bins = np.histogram(image.flatten(), 256, [0, 256])
cdf = hist.cumsum()  # 計算累積直方圖
cdf_m = np.ma.masked_equal(cdf, 0)  # 除去直方圖中的0值
cdf_m = (cdf_m - cdf_m.min()) * 255 / (cdf_m.max() - cdf_m.min())  # 等同於前面介紹的lut[i] = int(255.0 *p[i])公式
cdf = np.ma.filled(cdf_m, 0).astype('uint8')  # 將掩模處理掉的元素補為0

# 計算
result2 = cdf[image]
result = cv2.LUT(image, cdf)

cv2.imshow("OpenCVLUT", result)
cv2.imshow("NumPyLUT", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

　　　　　　　　灰度化處理　　　　　　　　　　　　　　　直方圖均衡化處理后

 可以看出，圖像經過直方圖均衡化，圖像增強。