python 怎么把图片锐化和消除过曝和欠曝的操作，贴出代码实例

要实现图片的锐化和消除过曝和欠曝的操作，可以使用Python中的Pillow库。具体的代码实现如下：

1. 图片锐化：

from PIL import Image, ImageFilter

# 打开图片
image = Image.open('image.jpg')

# 锐化
image_sharp = image.filter(ImageFilter.SHARPEN)

# 保存图片
image_sharp.save('image_sharp.jpg')

2. 消除过曝和欠曝：

from PIL import ImageOps

# 打开图片
image = Image.open('image.jpg')

# 消除过曝和欠曝
image_fixed = ImageOps.autocontrast(image)

# 保存图片
image_fixed.save('image_fixed.jpg')

以上代码中，我们使用了Pillow库中的`filter`和`autocontrast`函数来实现图片的锐化和消除过曝和欠曝的操作。这些操作都是非常简单的，只需传入要处理的图片即可。

相关问题

如何使用CV2让图片锐化和消除曝光和欠曝

要让图片锐化，可以使用cv2.filter2D()函数，该函数可以使用自定义核来进行卷积操作。以下是使用cv2.filter2D()函数进行锐化的示例代码：

import cv2
import numpy as np

# 读取图片
img = cv2.imread("example.jpg")

# 定义锐化核
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])

# 使用cv2.filter2D函数进行卷积操作
sharpened = cv2.filter2D(img, -1, kernel)

# 显示锐化后的图片
cv2.imshow("Sharpened Image", sharpened)
cv2.waitKey(0)
cv2.destroyAllWindows()

要消除曝光和欠曝，可以使用cv2.equalizeHist()函数来进行直方图均衡化。该函数可以将图片的像素值分布变得更加平均，从而提高图片的对比度和亮度。以下是使用cv2.equalizeHist()函数进行直方图均衡化的示例代码：

import cv2

# 读取图片
img = cv2.imread("example.jpg")

# 将图片转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行直方图均衡化
equalized = cv2.equalizeHist(gray)

# 显示直方图均衡化后的图片
cv2.imshow("Equalized Image", equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，直方图均衡化可能会导致图片的颜色失真和噪声增加，因此需要根据具体情况进行调整。

python欠采样和过采样代码

下面是Python中的欠采样和过采样代码示例：

欠采样：

from sklearn.utils import resample

# 将少数类别的样本数量减少到和多数类别样本数量一致
df_majority = df[df.target==0]
df_minority = df[df.target==1]
df_majority_downsampled = resample(df_majority, replace=False, n_samples=len(df_minority), random_state=123)
df_downsampled = pd.concat([df_majority_downsampled, df_minority])

过采样：

from imblearn.over_sampling import SMOTE

# 使用SMOTE算法对少数类别样本进行过采样
sm = SMOTE(random_state=12)
X_train_res, y_train_res = sm.fit_resample(X_train, y_train)