【计算机视觉】图像基础处理

---

（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）

1. 下载PCV库文件数据，下载地址：https://github.com/jesolem/PCV
2. 将下载的文件解压
3. 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)