🎴Görüntü İşlemleri
Python ile görüntü işlemleri, histogram algoritmaları
🔂 Resmi np.array Yapmak
# OpenCV ile alırsak resim numpy formatında olur
import cv2
im = cv2.imread("abc.tiff",mode='RGB')
print type(im)📊 Histogram Germe İşlemi
def histogram_stretching(image: Image, new=(0, 255)):
"""Histogram Germe
Arguments:
image {PIL.Image} -- Resim
Keyword Arguments:
new {(min, max)} -- tuple (default: {(0, 255)})
Returns:
PIL.Image -- Gerilmiş resim
"""
def difference(variable: tuple):
return variable[1] - variable[0]
np_image = np.array(image) # Resmi numpy.ndarray formatına çevirme
flatten_img_np = np_image.reshape(-1) # Resmi tek boyuta indirgeme
# Histogram germe denklemi
old = flatten_img_np.min(), flatten_img_np.max()
for i in range(0, len(flatten_img_np)):
flatten_img_np[i] = (difference(new) / difference(old)) * \
(flatten_img_np[i] - old[0]) + new[0]
# Aynı boyutlardaki yeni resmi oluşturma
return Image.fromarray(flatten_img_np.reshape(np_image.shape)) 📊 Histogram Eşitleme
def histogram_equalization(image: Image):
"""Histogram eşitleme
Arguments:
image {PIL.Image} -- Resim
Returns:
PIL.Image -- Resim
"""
np_image = np.copy(image) # Numpy formatına çevirme
flatten_image = np_image.flatten() # Resmi tek boyuta indirgeme
# Pixel bilgilerini alma
pixel_num = len(flatten_image)
max_pixel_num = flatten_image.max()
min_pixel_num = flatten_image.min()
# Pixel dağılımını hesaplama
pixel_manager = {} # Pixel yönlendirici
cumulative_probability = 0 # Kümülatif pixel bulunma olasılığı
for i in range(min_pixel_num, max_pixel_num + 1):
pixel_count = 0 # Pixel'in tekrar etme sayısı
for pixel in flatten_image:
if i == pixel:
pixel_count += 1
cumulative_probability += pixel_count / pixel_num
pixel_manager[f'{i}'] = round(
max_pixel_num * cumulative_probability
)
for i in range(len(flatten_image)):
flatten_image[i] = pixel_manager[f"{flatten_image[i]}"]
return Image.fromarray(flatten_image.reshape(np_image.shape))🔗 Diğer Bağlantılar
Last updated