【计算机视觉】图像基础处理
程序员文章站
2023-12-24 13:26:03
...
(一)图像轮廓和直方图
相关代码如下:
from PIL import Image
from pylab import *
im = array(Image.open('F:/1.python/image/1.jpg').convert('L'))
# 打开图像,并转成灰度图像
figure()
subplot(121)
gray()
contour(im, origin='image')
axis('equal')
axis('off')
subplot(122)
hist(im.flatten(), 128)
show()
代码结果显示:
(刚运行出来的时候看到结果以为是错误的,就有点慌了。再仔细检查一下,会发现做的实验时轮廓以及轮廓的直方图显示。人物图像的轮廓可能比较不那么清晰,所以看着会有些渗人。)
因为怕结果出错,所以我又找了另外一张图测验,结果如下:
(二)直方图均衡化
相关代码如下:
# 直方图均衡化
from PIL import Image
from 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('F:/1.python/image/1.jpg').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,normed=True)
subplot(2, 2, 4)
axis('off')
title(u'均衡化后的直方图', fontproperties=font)
hist(im2.flatten(), 128,normed=True)
show()
代码结果显示:
此处注意!!
1、这里因为需要显示中文,所以需要安装一个PCV库,否则会提醒像下方一样的问题。
安装PCV库的方法和步骤
(转载自 http://blog.sina.com.cn/s/blog_478055d80102wwge.html)
- 下载PCV库文件数据,下载地址:https://github.com/jesolem/PCV
- 将下载的文件解压
- 打开cmd,执行如下指令:
(1)执行cd命令,转到你所解压到的PCV的文件夹中。
(2)输入python setup.py install。
(3)重启命令行,输入import PCV,如果没有报错,则说明PCV库安装成功。
2、下载完PCV库中再运行程序,发现出现了错误:Missing parentheses in call to ‘print’
这是由于python版本的差异造成的问题。
python2版本中是:print “hello python!”
但是在python3中应该使用:print (“hello python!”)
而我的是python3.5,所以应该根据提示的文件路径,找到imtools.py这个代码文件,打开文件,将语句print imname + “…skipped” 改成print (imname + “…skipped”),然后保存文件,就可以正常运行python代码了。
(三)高斯滤波
相关代码:
# -*- 高斯滤波器 -*-
from PIL import Image
from pylab import *
from scipy.ndimage import filters
# 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('F:/1.python/image/1.jpg').convert('L'))#高斯滤波器针对灰度图
figure()
gray()
axis('off')
subplot(1, 4, 1)
axis('off')
title(u'原图', fontproperties=font)
imshow(im)
for bi, blur in enumerate([2, 5, 10]):
im2 = zeros(im.shape)
im2 = filters.gaussian_filter(im, blur)
im2 = np.uint8(im2)
imNum=str(blur)
subplot(1, 4, 2 + bi)
axis('off')
title(u'σ='+imNum, fontproperties=font)
imshow(im2)
show()
代码结果显示:
上面两幅图都是显示了随着σ(标准差)的增加,一幅图像被模糊的程度。σ越大,处理后的图像细节丢失越多。如果打算模糊一幅彩色图像,只需简单地对每一个颜色通道进行高斯模糊,相关主要代码段如下:
for bi, blur in enumerate([2, 5, 10]):
im2 = zeros(im.shape)
for i in range(3):
im2[:, :, i] = filters.gaussian_filter(im[:, :, i], blur)
im2 = np.uint8(im2)
subplot(1, 4, 2 + bi)
axis('off')
imshow(im2)