求能用python实现基于概率分布的超声图像与自然图像性质差异分析这一课题的完整详细代码,其中超声图像所在的文件夹路径是'D:/zzz/us5',自然图像所在的文件夹路径是'D:/zzz/na4',两种图像的类型都是jpg,两种图像都有84张,两种图像的形状都相同,需要得出以下结论:超声图像与自然图像的像素值分布存在显著差异,超声图像的分布更倾向于集中在低灰度值区域,而自然图像则更倾向于分布在中高灰度值区域
时间: 2024-01-22 12:17:48 浏览: 28
首先,我们需要导入必要的库,包括numpy、matplotlib和opencv-python:
```python
import numpy as np
import matplotlib.pyplot as plt
import cv2
```
接下来,我们定义一个函数来计算图像的灰度直方图,以及一个函数来绘制灰度直方图:
```python
def calc_hist(image):
hist = cv2.calcHist([image], [0], None, [256], [0, 256])
hist = hist.flatten()
return hist
def plot_hist(hist, title):
plt.plot(hist)
plt.title(title)
plt.xlabel("灰度值")
plt.ylabel("像素数")
plt.xlim([0, 256])
plt.show()
```
然后,我们可以定义一个函数来加载图像,并计算其灰度直方图:
```python
def load_image(path):
image = cv2.imread(path)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
hist = calc_hist(gray)
return hist
```
接下来,我们可以加载所有的超声图像和自然图像,并计算它们的灰度直方图:
```python
us_hists = []
na_hists = []
for i in range(1, 85):
us_path = f"D:/zzz/us5/{i}.jpg"
na_path = f"D:/zzz/na4/{i}.jpg"
us_hist = load_image(us_path)
na_hist = load_image(na_path)
us_hists.append(us_hist)
na_hists.append(na_hist)
```
最后,我们可以计算所有超声图像和自然图像的灰度直方图的平均值,并绘制它们的比较图:
```python
us_hists = np.array(us_hists)
na_hists = np.array(na_hists)
us_mean_hist = np.mean(us_hists, axis=0)
na_mean_hist = np.mean(na_hists, axis=0)
plot_hist(us_mean_hist, "超声图像灰度直方图平均值")
plot_hist(na_mean_hist, "自然图像灰度直方图平均值")
```
这样,我们就可以得出结论:超声图像的分布更倾向于集中在低灰度值区域,而自然图像则更倾向于分布在中高灰度值区域。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)