藏经阁

import argparseimport cv2import matplotlib.pyplot as pltimport skimageimg=cv2.imread('lena.png')img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#获得加噪图片img_gaus=skimage.util.random_noise(image=img, mod...

import argparseimport cv2import matplotlib.pyplot as pltimport skimageimg=cv2.imread('lena.png')img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#盐img_salt=skimage.util.random_noise(image=img, mode='sa...

hist1, bins = np.histogram(img.ravel(), 256, [0, 256])#hist1 每个灰度值的频数cdf = hist1.cumsum()#累加频数得累计直方图cdf_normalised = cdf * float(hist1.max() / cdf.max())#把累计直方图的比例化到近似直方图plt.plot(cdf_normalised,col...

plt.hist(img.ravel(),256,[0,256],facecolor ='black')一， img.ravel()–把多维数组转化成一维数组因为hist函数只支持一维的数组（数组下标为横坐标，值为纵坐标）二，256 表示横坐标的最大值为256，有256条柱三，[0,256]表示数据显示范围PS：横坐标超过256的数据也归到256处四，facecolor 表示柱状图的...

原因：matplotlib 的颜色通道是GBR，不是一般的RGB经过下面的处理即可res = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

fork()创建子进程后子进程拥有和父进程一样的程序代码和数据进程之间是独立的-------变量并不共享，包括全局变量！多线程则是可以共享全局变量~

将logo叠加在图片上将logo图片进行灰度化+阈值处理得到掩模(需要的部分是置非0 不需要的黑色的部分置0)然后需要利用掩模对logo图像和人物图像分别进行处理对logo图：需要把黑色部分去掉-----与掩模进行与操作把黑色部分置0因为之后需要用add()把两张图进行叠加，为了防止logo有颜色的部分受影响需要在人物图中把logo有颜色相应的位置置0则对人物图：先对掩模...

阈值处理函数ret,res=cv2.threshold(img,10,255,cv2.THRESH_BINARY)参数表：img---------------图片10-----------------阈值255---------------最大灰度值cv2.THRESH_BINARY-------------一种阈值处理策略，将大于阈值的灰度值设为最大灰度值(就是参数表中设置的255...

高动态范围成像这里的动态不是说动态图 gif而是拍照时，获取不同曝光范围的多张图片，然后合并，总而同时使照片得到高亮部分和低暗部分的细节图片源：百度百科可以看到第二张图清晰显示了图一中的阴暗部分，这便是HDR合并后的结果...

横坐标是灰度值，越往右边越大纵坐标是像素点的个数直方图用处：1.可以看图片是否经过处理图 a 这样连续的直方图一般是没有经过处理的图 b 和 c 这样有间隙或尖刺的一般就是经过处理的2.可以大概判断图像对比度高不高图a 各像素点的灰度值太接近了，对比度低图c 灰度值跨度大，对比度高（对比度高，图片不一定好看）图b 刚刚好...

RGBR：RedG：GreenB：Blue在计算机中白色通常这么表示 （255,255,255）黑色 ——（0,0,0）什么色彩都没有，黑大家知道红色混绿色可以混出黄色彩色照片其实就是以RGB为基本单位，混出来各种不同颜色的颜色的深浅取决于基色（即RGB）的深浅通过上面两张图片的对比，可以知道——R的值越大，颜色越鲜亮R的值越小，颜色越暗沉Green 和 Blue ...

数字图像处理不仅仅是我们常见的PS在医学领域，其作用也非常大像上图的CT，对灰度进行一些调整后，图片明显清晰了很多原因是我们人眼的分辨有限，图像中一些细微的差别我们分辨不不出来，就导致了我们看到一团黑而数字图像处理技术可以放大这“区别”，从而得到细节清楚的图像...

左图中有大量的斑驳无用黑点，就是噪点经过滤波处理，过滤噪点，可得到右边较清楚的图