博客

常用的图像处理技术包括但不限于以下几种：

1. 灰度化

灰度化是将彩色图像转换为灰度图像的过程。灰度图像只有一个通道，每个像素只有一个强度值表示它的亮度，通常用于简化图像处理的复杂度。灰度化可以通过将RGB图像的通道加权平均得到，其中各通道所占的权重可以根据实际需要调整。

示例1：Python实现彩色图像到灰度图像的转换

import numpy as np
from PIL import Image

# 读入彩色图像并转换为灰度图像
img = np.array(Image.open('input.jpg').convert('L'))
# 显示灰度图像
Image.fromarray(img).show()

示例2：Matlab实现彩色图像到灰度图像的转换

% 读入彩色图像
img = imread('input.jpg');
% 转换为灰度图像
gray_img = rgb2gray(img);
% 显示灰度图像
imshow(gray_img);

2. 图像增强

图像增强是一类用于提高图像质量的技术。常见的图像增强方法包括直方图均衡化、对比度拉伸、锐化、滤波等。这些方法可以改善图像的亮度、对比度、清晰度等方面，有效地提高图像的视觉效果。

示例1：Python实现直方图均衡化

import numpy as np
from PIL import Image

# 读入灰度图像并进行直方图均衡化
img = np.array(Image.open('input.jpg').convert('L'))
histeq_img = np.zeros_like(img)
cdf = np.cumsum(np.histogram(img, bins=256, range=(0, 255))[0])
cdf = (cdf - cdf.min()) / (img.shape[0] * img.shape[1] - cdf.min()) * 255
for i in range(256):
    histeq_img[img == i] = cdf[i]
# 显示均衡化后的灰度图像
Image.fromarray(histeq_img).show()

示例2：Matlab实现对比度拉伸

% 读入灰度图像
img = imread('input.jpg');
% 进行对比度拉伸
contrast_img = imadjust(img, stretchlim(img));
% 显示拉伸后的图像
imshow(contrast_img);

以上仅是部分常用的图像处理技术，根据实际需要选择合适的技术进行处理可以更好地实现对图像的掌控。