python+CV对图像的基本操作

opencv安装

在cmd下输入

pip install opencv-python

绘制直方图

直方图统计了图像像素的分布，但空间信息完全丧失。

import cv2
import matplotlib.pyplot as plt

im = cv2.imread("../jmuIma/t1.JPG", cv2.IMREAD_GRAYSCALE)
im = cv2.resize(im, dsize=(400, 300))
cv2.imshow("im", im)

plt.hist(im.ravel(), 256)
plt.show()

cv2.waitKey()
cv2.destroyAllWindows()

效果如下

高斯滤波

高斯滤波在去除高斯噪声方面非常有效

概率分布函数为：

$G(x,y)=\frac{1}{2\pi {\sigma }^2}\cdot e^{-\frac{x^2+y^2}{2{\sigma }^2}}$

import cv2

src = cv2.imread("../jmuIma/t2.JPG")
img = src.copy()
img = cv2.resize(img, dsize=(400, 300))

# 高斯滤波
img_gaussianBlur = cv2.GaussianBlur(img, (3, 3), 1)

# 显示图像
cv2.imshow("gauss", img)
cv2.imshow("gaussianBlur", img_gaussianBlur)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果对比如下

直方图均衡化

通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。

import cv2

img = cv2.imread("../jmuIma/t3.JPG")
img = cv2.resize(img, dsize=(400, 300))
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("src", gray)

equal = cv2.equalizeHist(gray)
cv2.imshow("equal", equal)

cv2.waitKey(0)

结语

这些是计算机视觉学习中必须要掌握的基本功，大多是opencv的基本操作。