直方图
画出直方图
o = cv2.imread("a2.jpeg")
plt.hist(o.ravel(), 256)
plt.show()
或者用cv2自带的工具画图
histb = cv2.calcHist([o], [0], None, [256], [0, 255])
histg = cv2.calcHist([o], [1], None, [256], [0, 255])
histr = cv2.calcHist([o], [2], None, [256], [0, 255])
plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()
直方图均衡化
import cv2
import matplotlib.pyplot as plt
# -----------读取原始图像---------------
img = cv2.imread('a2.jpeg', cv2.IMREAD_GRAYSCALE)
# -----------直方图均衡化处理---------------
equ = cv2.equalizeHist(img)
# -----------显示均衡化前后的图像---------------
cv2.imshow("original", img)
cv2.imshow("result", equ)
# -----------显示均衡化前后的直方图---------------
plt.figure("原始图像直方图") # 构建窗口
plt.hist(img.ravel(), 256)
plt.figure("均衡化结果直方图")
# 构建新窗口
plt.hist(equ.ravel(), 256)
# ----------等待释放窗口---------------------
cv2.waitKey()
cv2.destroyAllWindows()
傅立叶变换
numpy 实现
返回值 = np.fft.fft2(原始图像)
# 零频率分量位于频域图像的左上角
# 为了便于观察，通常会使用numpy.fft.fftshift()函数将零频率成分 移动到频域图像的中心位置
# 对图像进行傅里叶变换后，得到的是一个复数数组。为了显示为图像，需要将它们的值调 整到[0, 255]的灰度空间内，使用的公式为:
# 像素新值=20*np.log(np.abs(频谱值))
例子
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('image\\lena.bmp',0)
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)
magnitude_spectrum = 20*np.log(np.abs(fshift))
plt.subplot(121)
plt.imshow(img, cmap = 'gray')
