图像的简单处理

  • 7aE05d44zW
    了解作者
  • Python
    开发工具
  • 22.7MB
    文件大小
  • rar
    文件格式
  • 0
    收藏次数
  • 7 积分
    下载积分
  • 0
    下载次数
  • 2022-05-24 16:08
    上传日期
作图像处理的小伙伴可以参考 谢谢大家的支持
tuxiangchuli.rar
  • tuxiangchuli
  • pic
  • .ipynb_checkpoints
  • orange_pyrup_down-checkpoint.jpg
    53.9KB
  • mask500x500-checkpoint.jpg
    15.8KB
  • road200x200-checkpoint.jpg
    29.8KB
  • hedgehog500x500-checkpoint.jpg
    84.9KB
  • bear_gray-checkpoint.jpg
    52.6KB
  • petal500x500-checkpoint.jpg
    63.2KB
  • img_rabbit_shear-checkpoint.jpg
    80.1KB
  • line500x500-checkpoint.jpg
    61.7KB
  • bear_bin-checkpoint.jpg
    55.1KB
  • testc500x500-checkpoint.jpg
    13.3KB
  • bear500x333-checkpoint.jpg
    63.2KB
  • background-checkpoint.jpg
    47.8KB
  • cat500x480-checkpoint.jpg
    76.3KB
  • hedgehog_noise_500x500-checkpoint.jpg
    107.6KB
  • apple-checkpoint.jpg
    39.9KB
  • mask200x200-checkpoint.jpg
    3.6KB
  • moons150x400.jpg
    11KB
  • beer.jpg
    64.2KB
  • building500x375.jpg
    81KB
  • feather100x100.jpg
    6.9KB
  • cat200x192.jpg
    18KB
  • umbrella_match.jpg
    49.5KB
  • rose_mean_blur.jpg
    13KB
  • irregularRect500x500.jpg
    19.4KB
  • desert500x400.jpg
    22.7KB
  • orapple.jpg
    149.6KB
  • umbrella250x350.jpg
    64.4KB
  • bulk500x420.jpg
    50KB
  • landmark500x500.jpg
    69.8KB
  • test_bbox.jpg
    24KB
  • surf500x400.jpg
    63.9KB
  • leaf500x888.jpg
    85.7KB
  • grass_histbackproj2.jpg
    408.9KB
  • hedgehog500x500.jpg
    84.9KB
  • bear_gray.jpg
    52.6KB
  • road_hough_circle.jpg
    15.1KB
  • bulk120x100.jpg
    9.2KB
  • test1_rect_circle_ellipse.jpg
    80.1KB
  • umbrella_match_ccoeff.jpg
    49.8KB
  • rndb598b8b76.jpg
    36.6KB
  • orange.jpg
    39.3KB
  • rose_remove_spnoise.jpg
    41.8KB
  • line200x200.jpg
    18KB
  • spoon_binary.jpg
    25.1KB
  • hedgehog500x750.jpg
    100.1KB
  • notebook200x236.jpg
    18.9KB
  • eagle200x200.jpg
    20.2KB
  • circles200x200.jpg
    9.6KB
  • hearts500x333.jpg
    37.2KB
  • ninety200x200.jpg
    15.8KB
  • bird_open_close_gray.png
    856.3KB
  • triangle500x300.jpg
    25KB
  • eagle_mouth.jpg
    9.6KB
  • triangle200x120.jpg
    6.4KB
  • test2.jpg
    8.6KB
  • orange_laplacian_pyr_2.jpg
    50.9KB
  • bird_erode_dilate_gray.png
    855.9KB
  • building200x150.jpg
    17.3KB
  • page1600x1000.jpg
    391KB
  • hedgehog_noise_500x500.jpg
    107.6KB
  • page760x900.jpg
    172.8KB
  • theater300x200.jpg
    18.5KB
  • rectangle_histmiss.png
    3.5KB
  • img_rabbit_rotate.jpg
    79KB
  • fft_vbar100x100.png
    480B
  • dog500x500.jpg
    90.2KB
  • surf200x160.jpg
    15.5KB
  • keyboard500x500.jpg
    49.5KB
  • word_happy.jpg
    101.7KB
  • rose_gnoise_median.jpg
    51.4KB
  • apple.jpg
    39.9KB
  • landmark_canny.jpg
    85.3KB
  • flower_bin500x500.png
    6.9KB
  • page_topbin_adabin.jpg
    744.8KB
  • rabbit200x133.jpg
    8.7KB
  • flattile1.png
    21.9KB
  • eagle_mouth_match.jpg
    180.3KB
  • goldfish_select.png
    296.5KB
  • geometry_contour.jpg
    56.9KB
  • stars.png
    7.8KB
  • rabbit500x333.jpg
    38.8KB
  • road200x200.jpg
    29.8KB
  • book_adaptive.jpg
    733.1KB
  • fft_scatter100x100.png
    1.1KB
  • cat_head.jpg
    16.3KB
  • img_multiply.jpg
    164.7KB
  • nicealso500x333.jpg
    32.5KB
  • test_convex_hull.jpg
    31.7KB
  • flower500x500.jpg
    55.3KB
  • nicealso200x133.jpg
    10.9KB
  • fft_vbar_white_bar.png
    920B
  • blossom500x500.jpg
    62.3KB
  • rose_spnoise_200x200.jpg
    23.4KB
  • nice500x333.jpg
    31.8KB
  • parrot500x450.jpg
    82.4KB
  • colorbird1000x1500.jpg
    298KB
  • contour_bin.png
    3.7KB
内容介绍
from skimage.transform import rotate from skimage.feature import local_binary_pattern from skimage import data, io,data_dir,filters, feature,exposure from skimage.color import label2rgb import skimage import numpy as np import matplotlib.pyplot as plt from PIL import ImageEnhance import cv2 # settings for LBP radius = 1 # LBP算法中范围半径的取值 n_points = 8 * radius # 领域像素点数 # 读取图像 image = cv2.imread('pic/sunflower500x333.jpg') #显示到plt中,需要从BGR转化到RGB,若是cv2.imshow(win_name, image),则不需要转化 image1 = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) gam1= exposure.adjust_gamma(image1, 2) #调暗 gam2= exposure.adjust_gamma(image1, 0.5) #调亮 plt.imshow(image1) plt.title('yuan tu',fontsize='large',fontweight='bold') plt.show() plt.imshow(gam1) plt.title('di liang du he dui bi du',fontsize='large',fontweight='bold') plt.show() plt.imshow(gam2) plt.title('gao liang du he dui bi du',fontsize='large',fontweight='bold') plt.show() # 灰度转换 # 转换为灰度图,但plt在显示灰度图的时候,默认以热力图的形式,所以下面还要设置 cmap=‘gray’ image = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY) gam1=cv2.cvtColor(gam1,cv2.COLOR_BGR2GRAY) gam2=cv2.cvtColor(gam2,cv2.COLOR_BGR2GRAY) plt.imshow(image, cmap='gray') plt.title('hui du tu',fontsize='large',fontweight='bold') plt.show() # LBP处理 lbp = local_binary_pattern(image, n_points, radius) plt.imshow(lbp, cmap='gray') plt.title('lbp',fontsize='large',fontweight='bold') plt.show() # 边缘提取,sobel算子提取结构信息 edges = filters.sobel(image) plt.imshow(edges, cmap='gray') plt.title('yuan tu bian yuan ti qu',fontsize='large',fontweight='bold') plt.show() edges_gam1=filters.sobel(gam1) plt.imshow(edges_gam1, cmap='gray') plt.title('di liang du bian yuan ti qu',fontsize='large',fontweight='bold') plt.show() edges_gam2=filters.sobel(gam2) plt.imshow(edges_gam2, cmap='gray') plt.title('gao liang di bian yuan ti qu',fontsize='large',fontweight='bold') plt.show() # 这个是没用的,因为最后一个需要显示的图像显示不出来 edges_gam3=filters.sobel(gam2) plt.imshow(edges_gam2, cmap='gray') plt.title('gao liang di bian yuan ti qu',fontsize='large',fontweight='bold') plt.show() # dst =cv2.normalize(src,dst [,double alpha=1,double beta=0,int norm_type,int dtype,mask]) # 用途:归一化数据。该函数分为范围归一化与数据值归一化 # 参数: # src 输入数组 # dst 输出数组,数组的大小和原数组一致; # alpha 1,用来规范值,2.规范范围,并且是下限; # beta 只用来规范范围并且是上限 # # norm_type 归一化选择的数学公式类型; # 1)NORM_MINMAX;(依据是:delta=max-min,也即最小值为0,最大值为1)最常用 # NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围,线性归一化。 # 比如归一化到(min,max)范围内:(X-min(X))*(max-min)/(max(X)-min(X))+min # 2)NORM_INF;(切比雪夫距离)L∞范数(绝对值的最大值) X/max(abs(X)) # 3)NORM_L1;(曼哈顿距离)L1-范数(绝对值的和) X/sum(abs(X)) # 4)NORM_L2;(依据是:单位向量为1,也即每个数除以 根号下所有数的平方和) # (欧几里德距离)L2-范数 X/sqrt((sum(X^2))) # # dtype 为负输出数组type与输入数组type相同;为正仅通道数相同而tpye=CV_MAT_DEPTH(dtype). # mark 掩码。选择感兴趣区域,选定后只能对该区域进行操作。 # dst=np.zeros(image.shape,dtype=np.float32) # cv2.normalize(image,dst=dst,alpha=0.0,beta=1.0,norm_type=cv2.NORM_MINMAX) # cv2.imshow("NORM_L2",dst) # print(dst) # cv2.waitKey(0) # cv2.destroyAllWindows()
评论
    相关推荐
    • 数字图像处理
      HSI RGB LZW 哈弗慢编码,直方图均衡化,累计直方图,灰度映射,腐蚀,膨胀(文件内容:图像处理练习.doc 数字图像处理代码.doc)
    • 数字图像处理
      本书是数字图像处理理论与实践相结合的成功之作,强调理论用于解决工业或科学研究中常见的实际问题。这种与基本概念和数字图像处理的各种实用技术,使读者能用这些技术解决数字图像中的新问题。 全书共22章,1-5章...
    • 数字图像处理
      本书全面系统地讲述了数字图像处理领域中的15大核心话题,包括色彩空间、图像编码、频域变换、图像文件格式、几何变换、灰度变换、图像的增强处理、边缘检测、轮廓跟踪、形态学处理、图像分割、图像的加密与隐藏、...
    • 数字图像处理
      数字图像处理宝典,PDF高清版,因每次上传限制,分为7个部分上传,搜索时搜 “数字图像处理(中午版part#)
    • 图像处理论文
      这是一篇本人发表的文章,里面详细写了对于处理多峰值图像处理的新思想,这种思想可以解决小图像,多峰阈值分割问题。
    • 图像处理
      图像处理
    • 图像处理
      图像处理
    • 图像处理
      图像处理
    • 图像处理
      图像处理
    • 图像处理代码
      这个是图像处理不可多得的源码,是我们做项目时用到的所有技术。涉及到哈夫曼码编码、香农-弗诺编码、伪彩色、滤波、模板匹配 、图像平滑、图像复原、图像显示、特征提取、图像变、运动检测、小波变换、图像分割等...