我想在pycharm2023版中用Python编码实现直方图均衡化,并比较前后两幅图片的灰度直方图,示例图像的文件地址为"C:\Users\27639\PycharmProjects\pythonProject\venv\class.jpg",请编码

时间: 2023-07-08 09:43:59 浏览: 57
好的,以下是您所需的代码: ```python import cv2 import matplotlib.pyplot as plt # 读取图像 img = cv2.imread("C:\\Users\\27639\\PycharmProjects\\pythonProject\\venv\\class.jpg") # 转换为灰度图像 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 直方图均衡化 img_eq = cv2.equalizeHist(img_gray) # 计算直方图 hist_gray = cv2.calcHist([img_gray], [0], None, [256], [0, 256]) hist_eq = cv2.calcHist([img_eq], [0], None, [256], [0, 256]) # 绘制灰度直方图和均衡化后的直方图 plt.figure() plt.plot(hist_gray, color='black') plt.plot(hist_eq, color='red') plt.xlim([0, 256]) plt.legend(['Gray Histogram', 'Equalized Histogram']) plt.show() # 显示图像 cv2.imshow("Original Image", img_gray) cv2.imshow("Equalized Image", img_eq) cv2.waitKey(0) cv2.destroyAllWindows() ``` 我已经按照您的要求编写了一个程序,您可以直接复制到您的PyCharm中以运行它。注意要将文件路径"C:\\Users\\27639\\PycharmProjects\\pythonProject\\venv\\class.jpg"更改为您实际图像文件的路径。在这个程序中,我们首先读取图像,然后将其转换为灰度图像。接下来,我们使用cv2.equalizeHist()函数对图像进行直方图均衡化,并使用cv2.calcHist()函数计算原始图像和均衡化后的图像的灰度直方图。最后,我们使用matplotlib库绘制灰度直方图和均衡化后的直方图,并在窗口中显示原始图像和均衡化后的图像。

相关推荐

最新推荐

recommend-type

pycharm下python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义文件夹下的图片并输出至指定文件夹

python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义文件夹下的图片并输出至指定文件夹 目录 python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测,批量测试自定义...
recommend-type

Python实现图片中文字提取(OCR)

用Python提取图片中的文字,用到的工具包有PIL,pytesseract,tesseract-ocr 注意: 库的安装相对麻烦一点,一般都是不能直接安装成功的,这里总结了安装过程中的一些坑给大家参考。 (1)首先是PIL库安装,有的电脑...
recommend-type

python实现图片批量压缩程序

使用方法: 在Pycharm的terminal中输入”python xxx.py source_dir dest_dir”就可以把source_dir中的图片文件进行压缩并保存到dest_dir中 源码 from PIL import Image import os import sys # 定义可以识别的图片...
recommend-type

python使用pyecharts库画地图数据可视化的实现

主要介绍了python使用pyecharts库画地图数据可视化的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

pycharm sciview的图片另存为操作

主要介绍了pycharm sciview的图片另存为操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。