给一个统计图像灰度值范围的函数

下面是一个统计图像灰度值范围的 Python 函数：

import numpy as np
import cv2

def get_gray_scale_range(image):
    """
    统计图像的灰度值范围
    :param image: numpy.ndarray，输入的图像
    :return: (min_gray, max_gray)，图像的灰度值最小值和最大值
    """
    if len(image.shape) == 3:  # 如果是彩色图像，将其转换为灰度图像
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    min_gray = np.min(image)
    max_gray = np.max(image)
    return min_gray, max_gray

该函数使用 NumPy 库和 OpenCV 库实现。输入的图像可以是一个 NumPy 数组，表示为 `image`，可以是灰度图像或彩色图像。如果输入的是彩色图像，函数会自动将其转换为灰度图像。函数返回图像的灰度值最小值和最大值，以元组 `(min_gray, max_gray)` 的形式返回。

相关问题

用C语言将图像灰度均衡化的关键函数的流程

图像灰度均衡化是一种常用的图像增强方法，可以使图像的灰度分布更加均匀，从而增强图像的对比度。以下是用C语言实现图像灰度均衡化的关键函数的流程：

1. 统计每个灰度级的像素个数。

2. 计算每个灰度级的累计像素个数。

3. 根据累计像素个数计算出每个灰度级的映射值。

4. 遍历图像中的每个像素，将其灰度值替换为对应的映射值。

下面是一个简单的C语言代码实现：

void histogram_equalization(unsigned char *image, int width, int height)
{
    int hist[256] = {0};  // 统计每个灰度级的像素个数
    int cum_hist[256] = {0};  // 计算每个灰度级的累计像素个数
    int map[256] = {0};  // 计算每个灰度级的映射值

    // 统计每个灰度级的像素个数
    for (int i = 0; i < width * height; i++) {
        hist[image[i]]++;
    }

    // 计算每个灰度级的累计像素个数
    cum_hist[0] = hist[0];
    for (int i = 1; i < 256; i++) {
        cum_hist[i] = cum_hist[i-1] + hist[i];
    }

    // 计算每个灰度级的映射值
    for (int i = 0; i < 256; i++) {
        map[i] = round((double)cum_hist[i] / (width * height) * 255);
    }

    // 遍历图像中的每个像素，将其灰度值替换为对应的映射值
    for (int i = 0; i < width * height; i++) {
        image[i] = map[image[i]];
    }
}

以上代码中，`image` 是指向图像数据的指针，`width` 和 `height` 分别是图像的宽度和高度。函数中的 `hist` 数组用于统计每个灰度级的像素个数，`cum_hist` 数组用于计算每个灰度级的累计像素个数，`map` 数组用于计算每个灰度级的映射值。在函数的最后一步，遍历图像中的每个像素，将其灰度值替换为对应的映射值。

灰度直方图统计不使用已知函数

好的，以下是不使用已知函数完成灰度直方图统计的代码实现：

import numpy as np
import matplotlib.pyplot as plt

# 读取图片并转为灰度图像
img = plt.imread("image.png")
gray = np.dot(img[...,:3], [0.299, 0.587, 0.114])

# 统计灰度直方图
hist = np.zeros((256,), dtype=int)
for i in range(gray.shape[0]):
    for j in range(gray.shape[1]):
        hist[int(gray[i,j])] += 1

# 绘制灰度直方图
x = np.arange(256)
plt.bar(x, hist, width=1)
plt.show()

其中，使用`np.zeros`函数创建一个长度为256的数组`hist`，用于存储灰度直方图的统计结果，数组的每个元素都初始化为0。接下来使用两个for循环遍历灰度图像的每个像素，然后根据每个像素的灰度值将`hist`数组中相应的元素加1，最终得到灰度直方图的统计结果。最后使用`plt.bar`函数绘制灰度直方图。