直方圖均衡化高斯濾波

• 直方圖
• • 原理
  • py實現(xiàn)
• 均衡化
• • 原理
  • py實現(xiàn)
• 高斯濾波
• • 原理
  • py實現(xiàn)

直方圖

原理

直方圖(Histogram)，又稱質(zhì)量分布圖，是一種統(tǒng)計報告圖，由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況。 一般用橫軸表示數(shù)據(jù)類型，縱軸表示分布情況。
簡單來說，直方圖是對一張灰度圖片像元分布的統(tǒng)計。

py實現(xiàn)

im = numpy.array(Image.open('C:/Users/10741/Desktop/1.png').convert('L')) # 打開圖像，并轉(zhuǎn)成灰度圖像 figure() subplot(121) axis('off') title(u'原始圖像', fontproperties=font) imshow(im)subplot(122) title(u'圖像直方圖', fontproperties=font) hist(im.flatten(), 128)

均衡化

原理

如果一幅圖像的灰度直方圖幾乎覆蓋了整個灰度的取值范圍，并且除了個別灰度值的個數(shù)較為突出，整個灰度值分布近似于均勻分布，那么這幅圖像就具有較大的灰度動態(tài)范圍和較高的對比度，同時圖像的細節(jié)更為豐富。已經(jīng)證明，僅僅依靠輸入圖像的直方圖信息，就可以得到一個變換函數(shù)，利用該變換函數(shù)可以將輸入圖像達到上述效果，該過程就是直方圖均衡化。

py實現(xiàn)

im2, cdf = imtools.histeq(im) figure() subplot(121) axis('off') title(u'均衡化圖像', fontproperties=font) imshow(im2)subplot(122) hist(im2.flatten(), 128) title(u'均衡化圖像直方圖', fontproperties=font)

高斯濾波

原理

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。 [1] 通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。

py實現(xiàn)

gaussian = cv2.GaussianBlur(im,ksize=(5,5),sigmaX=0,sigmaY=0) figure() subplot(121) axis('off') imshow(im) subplot(122) axis('off') imshow(gaussian) show()

總結(jié)

以上是生活随笔為你收集整理的直方图均衡化高斯滤波的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。