持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第7天，点击查看活动详情
今天是十月更文计划第七天，第十篇
今天继续昨天的学习：
图像增强的方法根据处理目的和效果可以分为平滑和锐化
平滑对图像有模糊作用，使得图像过渡自然和柔和，抑制噪声。基于图像频域特性从频率的角度来理解，平滑是保持或加强图像中的低频部分，削弱或者消除图像中的高频部分。
锐化可以看作平滑的反操作，效果和目的是突出细节，使得图片轮清晰，对比分明。从频域处理的角度来看，锐化是增强图像中的高频部分。
直方图及其均衡化
灰度直方图是表示一幅图像灰度分布情况的统计图表。
直方图的横坐标是灰度级，一般用r表示，纵坐标是具有该灰度级的像素个数或这个灰度级出现的概率，对于数字图像而言，其概率就用频度表示。
8bit灰度级——2^8=256个灰度级
直方图与图像并不是一一对应的，一幅图像只对应一个直方图，，但是直方图并不只对应一幅图像。
直方图只能判断出图片的黑白对比度，但是并不能判断出图像的内容。
越往左聚集表面亮度越暗，越往右聚集表面亮度越亮。
我们将要对图像进行数据增强，就是将第一第二幅图片进行操作，使得将灰度直方图的照片能转变为第三张图片的样式，这样子才对图像进行接下来的处理。
（映射变化T(r) - 使其均匀分布）
图像处理的例子：
例子2：
我认为这两个例子可以完美的解释以上所学的知识
代码举例如下：
import cv2
import numpy as np
img=cv2.imread("img.jpg")
hist = cv2.calcHist([img],[0],None,[256],[0,255])
print(type(hist))
print(hist.shape)
print(hist.size)
print(hist)
输出的结果为：
