计算机视觉 基于OpenCV的一些基础图像操作

具体软件安装以及环境的配置可参考
annaconda Python+Pycharm+OpenCV的安装及环境的配置
因为我们安装的anaconda里已经包含了SCIpy，matplotlib等大部分的库，所以不必再特地去安装。

1.灰度图像

import cv2
img0 = cv2.imread('2.jpg',1)
img1 = cv2.imread('2.jpg',0)
img0 = cv2.resize(img0, (527, 395), interpolation=cv2.INTER_CUBIC)
img1 = cv2.resize(img1, (527, 395)  , interpolation=cv2.INTER_CUBIC)
cv2.imshow('gary',img1)
cv2.imshow('origin',img0)
cv2.waitKey(0)

效果图（左图为原图，右图为灰度图像）

2.直方图
直方图x轴是灰度值（一般0~255），y轴就是图像中每一个灰度级对应的像素点的个数。

import cv2 as cv
from matplotlib import pyplot as plt
import numpy as np


path = '2.jpg'
img = cv.imread(path, 0)#先取灰度图像
plt.hist(img.ravel(), 256, [0, 256])
plt.show()

效果图

3.直方图均衡化
直方图均衡化就是 把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果

import cv2

img = cv2.imread("2.jpg", 1)
img = cv2.resize(img, (527, 395), interpolation=cv2.INTER_CUBIC)
cv2.imwrite('2.jpg', img)
cv2.imshow("origin", img)

# 彩色图像均衡化,需要分解通道 对每一个通道均衡化
(b, g, r) = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)
# 合并每一个通道
result = cv2.merge((bH, gH, rH))
cv2.imshow("dst", result)

cv2.waitKey(0)

效果图（左图为原图，右图为均衡化效果图）

4.高斯滤波

高斯滤波器是一种线性滤波器，能够有效的抑制噪声，平滑图像。其作用原理和均值滤波器类似，都是取滤波器窗口内的像素的均值作为输出。其窗口模板的系数和均值滤波器不同，均值滤波器的模板系数都是相同的为1；而高斯滤波器的模板系数，则随着距离模板中心的增大而系数减小。所以，高斯滤波器相比于均值滤波器对图像个模糊程度较小。

import cv2
import numpy as np

img = cv2.imread("2.jpg", 1)
img_GaussianBlur=cv2.GaussianBlur(img,(7,7),0)
cv2.imshow("origin", img)
cv2.imshow("GaussianBlur", img_GaussianBlur)
cv2.waitKey(0)

效果图（左图为原图，右图为高斯滤波后图像）