计算机视觉——基本图像处理
文章目录
1.语言环境
1.1python环境的下载
下载了Anaconda，Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。这里采用的是Anaconda2-5.0.0进行下载，为了配合课本的学习，采用了python2.7的版本。Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。
环境配置好之后打开cmd输入：conda --version
输出版本号之后说明安装成功了
1.2编辑器下载
我下载的是pycharm编辑器
2.绘制图像直方图
2.1基本原理
绘制轮廓需要对每个坐标 [x, y] 的像素值施加同一个阈值，所以首先需要将图像灰度化，这里用 PIL 的 convert() 方法将图像转换成灰度图像。在使用axis（）函数进行操作。
图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用 hist() 函数绘制。hist() 函数的第二个参数指定小区间的数目。需要注意的是，因为 hist() 只接受一维数组作为输入，所以我们在绘制图像直方图之前，必须先对图像进行压平处理。flatten() 方法将任意数组按照行优先准则转换成一维数组。
2.2代码实现
2.3结果展示
3.直方图均衡化
3.1基本原理
直方图均衡化是指将一幅图像的灰度直方图变平，使变换后的图像中每个灰度值的分布概率都相同。在对图像做进一步处理之前，直方图均衡化通常是对图像灰度值进行归一化的一个非常好的方法，并且可以增强图像的对比度。在这种情况下，直方图均衡化的变换函数是图像中像素值的累积分布函数（cumulative distribution function，简写为 cdf，将像素值的范围映射到目标范围的归一化操作）
3.2代码实现
3.3结果展示
4.高斯滤波
4.1基本原理
高斯滤波实质上是一种信号的滤波器,其用途是信号的平滑处理,人们知道数字图像用于后期应用,其噪声是最大的问题,由于误差会累计传递等原因,很多图像处理教材会在很早的时候介绍Gauss滤波器,用于得到信噪比SNR较高的图像(反应真实信号)。