二、实验内容
- 编写一个图像灰度直方图统计函数 my_imhist，选择一幅图像利用 my_imhist 显示其直方图，将结果与 MATLAB 图像处理工具箱中提供的灰度直方图函数 imhist 的处理结果进行比较，并在同一窗口中显示出来。
- 利用以上编写的函数 my_imhist 或 imhist，估算图像 iris.tif 中瞳孔 的半径（以像素为单位）。
三、实验图像(可使用其他自选图像)
四、实验源程序及结果截图
首先，在Python脚本文件中导入以下库：
import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
如果cv2提示不存在则需要安装
1、编写一个图像灰度直方图统计函数 my_imhist，选择一幅图像利用 my_imhist 显示其直方图，将结果与 MATLAB 图像处理工具箱中提供的灰度直方图函数 imhist 的处理结果进行比较，并在同一窗口中显示出来。
def my_imhist(img):
"""
根据图像绘制直方图
"""
h, w = img.shape # 获取图像的高与宽
hist = [0] * 256 # 首先各灰度频数都置为0
for i in range(h):
for j in range(w):
hist[img[i, j]] += 1
return hist
src = cv.imread("eye.png", 0) # 以灰度图像读入
img = src.copy()
plt.subplot(211)
plt.bar(range(256), my_imhist(img), width=1)
plt.title("自己绘制的直方图")
plt.subplot(212)
plt.hist(img.ravel(), 255, [0, 255])
plt.title("python库绘制的直方图")
plt.tight_layout()
plt.show()
2、利用以上编写的函数 my_imhist 或 imhist，估算图像 iris.tif 中瞳孔的半径（以像素为单位）。
src = cv.imread("eye.png", 0) # 以灰度图像读入
img = src.copy()
找出最小像素值
myArray = np.array(my_imhist(img))
min_pixel = my_imhist(img)[np.argmax(myArray > 0)] # 找到列表中第一个非0 的数
根据像素数量算出半径
h, w = img.shape
count = 0
for i in range(h * w):
if img.ravel()[i] - min_pixel < 20:
count += 1
print("瞳孔半径为：", np.sqrt(count / np.pi), "个像素值")
（my_imhist函数参照第一题）
3、按照教材 68 页上的公式（4.1.6）
编程实现图像的分段线性灰度变换
src = cv.imread("child.png", 0)
img = src.copy()
a, b, c, d, max_g = 100, 160, 30, 170, 220
h, w = img.shape
max_f = max(img.ravel())
for i in range(h):
for j in range(w):
if 0 <= img[i, j] < a: a * if b: - c) (b a)) (img[i, a) + c b max_f: d) (max_f b)) b) d plt.subplot(121) plt.title("原图") plt.imshow(src, cmap="plt.cm.gray)" plt.subplot(122) plt.title("灰度变换后图像") plt.imshow(img, plt.show()< code></=>
4、编写一个灰度图像的直方图均衡化函数（不可使用库函数）。（可使用的灰度等级数量不变即可），并对下图例题进行测试，给出测试结果。
my_data = np.loadtxt("data.txt")
print(np.array(my_data))
bins = 8
n = my_data.shape[0]
r_k = list(range(0, bins))
n_k = [0] * bins
p_r = []
s_k_计 = []
s_k_并 = [0] * bins
new = [[0 for col in range(n)] for row in range(n)]
for i in range(n * n):
n_k[int(my_data.ravel()[i])] += 1
for i in range(bins):
p_r.append(round(n_k[i] / (n * n), 4))
for i in range(bins):
s_k_计.append(round(sum(p_r[:(i + 1)]), 4))
temp = []
for i in range(bins):
temp.append(round(i / n, 4))
for i in range(len(s_k_计)):
minSub = 1
for j in range(len(s_k_计)):
sub = abs(s_k_计[i] - temp[j])
if sub < minSub:
minSub = sub
s_k_并[i] = j
for i in range(n):
for j in range(n):
new[i][j] = s_k_并[int(my_data[i][j])]
print('均衡化后的矩阵：\n', np.array(new))
注：data.txt文件按照此格式输入即可，或者直接将矩阵写进代码
注：
1.官方绘制的直方图也可以直接使用 cv2 中的函数 calHist() ,详见文章：
结果图为：
Original: https://blog.csdn.net/qq_45832961/article/details/124000854
Author: ReadyGo!!!
Title: 实验二 图像直方图及灰度变换（Python实现）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/636659/
转载文章受原作者版权保护。转载请注明原作者出处！