一、实验目的掌握直方图均衡化基本原理;掌握均值滤波和中值滤波原理熟练使用Python、OpenCV编程实现图像的直方图均衡化。熟练使用Python、OpenCV编程实现图像去噪。二、实验内容1.分析图3-1 chest.tif的直方图然后对chest.tif进行直方图均衡化。图3-1 chest.tifimport cv2 import matplotlib.pyplot as plt # 读取图片 img cv2.imread(r\image\chest.tif) # 灰度转换 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 直方图均衡化处理 result cv2.equalizeHist(gray) # 显示图像 plt.subplot(221) plt.imshow(gray, cmapplt.cm.gray), plt.axis(off), plt.title((a)) plt.subplot(222) plt.imshow(result, cmapplt.cm.gray), plt.axis(off), plt.title((b)) plt.subplot(223) plt.hist(img.ravel(), 256), plt.title((c)) plt.subplot(224) plt.hist(result.ravel(), 256), plt.title((d)) plt.show()2. 对图3-2 headCTNoise.bmp分别采用均值滤波和中值滤波进行去噪处理。然后回答问题1根据经验判断图3-2中的噪声是什么噪声2比较图像处理结果分析哪种滤波对这种噪声的处理效果更好为什么图3-1 headCTNoise.bmpimport cv2 import numpy as np # 读取图像 img cv2.imread(rC:\Users\16483\Desktop\image\headCTNoise.bmp, 0) # 以灰度图读取 # 均值滤波 mean_filtered cv2.blur(img, (3, 3)) # 3x3均值滤波核 # 中值滤波 median_filtered cv2.medianBlur(img, 3) # 3x3中值滤波核 # 显示原图、均值滤波结果、中值滤波结果 cv2.imshow(Original, img) cv2.imshow(mean_filtered, mean_filtered) cv2.imshow(median_filtered, median_filtered) cv2.waitKey(0) cv2.destroyAllWindows()均值滤波中值滤波椒盐噪声。中值滤波处理效果更好。原因是均值滤波是对邻域内像素值取平均会模糊图像边缘等细节且对椒盐噪声这种极值点的抑制能力弱而中值滤波是取邻域内像素值的中值能有效去除椒盐噪声同时较好地保留图像的边缘等细节信息。