计算机视觉-python进行基本图像处理

语言环境

本学期开设了计算机视觉的课程，采用了python语言进行处理。先介绍一下采用到的软件和编译环境。

1、python环境的下载

推荐大家下载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

2、编辑器下载

我采用了pycharm软件Windows系统的专业版，具体下载地址：http://www.jetbrains.com/pycharm/download/#section=windows

为了方便后续的使用，可以使用补丁注册服务器永久激活。
最新补丁下载：https://pan.baidu.com/s/1S4lYdN19BqmPFTKHUdGK5g
提取码：ss4c

1、绘制图像基本轮廓以及直方图

采用的库：
1、PIL：Python图像处理类库
PIL（Python Imaging Library Python，图像处理类库）提供了通用的图像处理功能，以及大量有用的基本图像操作，比如图像缩放、裁剪、旋转、颜色转换等。由于pycharm中已经包含了该库，我们就不用进行另外的下载，直接引用就可以了。
2、Matplotlib
我们处理数学运算、绘制图表，或者在图像上绘制点、直线和曲线时，Matplotlib是个很好的类库，具有比 PIL 更强大的绘图功能。Matplotlib 可以绘制出高质量的图表，就像本书中的许多插图一样。Matplotlib 中的 PyLab 接口包含很多方便用户创建图像的函数。Matplotlib 是开源工具，可以从 http://matplotlib.sourceforge.net/免费下载。该链接中包含非常详尽的使用说明和教程。同样pycharm也包含了该库，我们也直接进行引用。
3、NumPy
NumPy（http://www.scipy.org/NumPy/）是非常有名的 Python 科学计算工具包，其中包含了大量有用的思想，比如数组对象（用来表示向量、矩阵、图像等）以及线性代数函数。数组对象可以帮助你实现数组中重要的操作，比如矩阵乘积、转置、解方程系统、向量乘积和归一化，这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础。

1.1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。

1.2代码设计

# encoding:utf-8
from PIL import Image
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']


im = array(Image.open('D:\Python\u.jpg').convert('L'))

figure()
subplot(121)
gray()
contour(im, origin='image')
axis('equal')
axis('off')
title(u'图像轮廓')