1.框架构建
①先导入图像；
②把图像转为矩阵形式储存；
③然后通过函数调用，拿到图像灰度的最大和最小值；
④对图像进行处理，使用公式：
?
?
⑤把拉伸之后的矩阵转换为图像；
⑥显示原图和拉伸之后的图像。
2.调用的第三方库
本次图像线性拉伸的实践通过调用numpy、matplotlib、PIL（Python Image Library 的简称）。
①Numpy 是 Python 的一个第三方库，就是 Numerical Python 的意思。这是一个科学计算的的核心库，有着强大的多维数组对象。
Numpy 数组是一个功能强大的 N 维数组对象，它以行和列的形式存在，我们可以通过 Python 列表来初始化 Numpy 数组并访问其元素。
②PIL 库中提供了诸多用来处理图片的模块，可以对图片做类似于 PS（Photoshop） 的编辑。比如：改变图像大小、旋转图像、图像格式转换，转换颜色通道，图像增强，直方图处理，插值和滤波等等。
③Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。
Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。
Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。使用的时候，我们可以使用 import 导入 pyplot 库，并设置一个别名 plt：import matplotlib.pyplot?as plt
这样我们就可以使用 plt 来引用 Pyplot 包的方法。
3.编写程序
调用numpy、matplotlib、PIL库进行实践：
- from?PIL?import?Image??
- import?numpy?as?np??
- import?matplotlib.pyplot?as?plt??
plt（matplotlib.pyplot）使用rc配置文件来自定义图形的各种默认属性，称之为“rc配置”或“rc参数”。
通过rc参数可以修改默认的属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。rc参数存储在字典变量中，通过字典的方式进行访问。
用来正常显示中文标签?，显示负号，设置分辨率?：
- plt.rcParams['font.sans-serif']=['SimHei']?
- plt.rcParams['axes.unicode_minus']?=?False?
- plt.rcParams['figure.dpi']?=?200?#分辨率??
??
可以输入不同的图片路径：
- filename?=?input('图像路径：')??
- image?=?Image.open(filename)??
??
把输入的图片利用numpy?库转为矩阵形式储存：
- image_array?=?np.array(image)??
??
可以输入用户想要拉伸到的最大值、最小值。
用int（）、eval（）都可以把用户输入的字符串类型转为数值：
- stretch_max=?int(input('拉伸到最大值maximum：'))??
- stretch_min=?eval(input('拉伸到最小值minimum：'))??
获得想要被拉伸的原图的最大、最小值：
- ?max?=?np.max(image_array)??
- ?min?=?np.min(image_array)??
b.shape[0]代表包含二维数组的个数，b.shape[1]表示二维数组的行数，b.shape[2]表示二维数组的列数。
然后运用公式对图像进行处理：
公式：?(每一个灰度 - 灰度最小值)*（拉伸后最大值 - 拉伸后最小值）+拉伸后最小值
（灰度最大值-灰度最小值）
Image.fromarray实现array到image的转换，把矩阵转为最后的图像final_image。
- b?=?image_array.shape??
- for?i?in?range(b[2]):??
- ????for?m?in?range(b[1]):??
- ????????for?n?in?range(b[0]):??
- ????????????image_array[n,?m,?i]?=?(image_array[n,?m,?i]?-?min)?/?(max?-?min)?*?(stretch_max?-?stretch_min)?+?stretch_min????
- final_image?=?Image.fromarray(image_array)??
??
自定义函数，并排显示图片及拉伸之后的直方图?：
- def?ShowImageAndHist(filename):??
- ????image?=?plt.imread(filename)#打开指定图片??
- ????print(image.shape)??
??
定义图片框：
- ????plt.figure()??
将画板分为1行两列，第一幅图显示原始图像：
- ????plt.subplot(1,2,1)???
??
定义标题和显示颜色条：
- ????plt.title("原图")??
- ????plt.imshow(image)??
- ????plt.colorbar(shrink=0.75)?#颜色条??
将画板为1行两列，第二幅图显示拉伸之后的图像，默认显示坐标轴。
plt.axis('off') ：可以不显示坐标轴。
- ????plt.subplot(1,2,2)??
- ????plt.title("拉伸图像")??
- ????#plt.axis('off')??#?不显示坐标轴??
- ????plt.imshow(final_image)??
图片窗中展示图片：
- ????plt.show()??
??
调用我们自定义的函数ShowImageAndHist，传入参数（图片的路径），即可获得原图像和灰度图像共同显示。
- if?__name__?==?'__main__':??
- ????ShowImageAndHist(filename)?
?4. 运行结果
显示结果如下：
?
?
5.创新亮点
①本次实验具有一定的交互性，可以用户输入图像的绝对位置或相对位置，可以手动输入拉伸后的最大、最小值进行拉伸，通过shape关键字获取图像形状，返回图像行数、列数以及通道数的元组。
②本代码灰度图像和彩色图像都可以进行处理。
③本次实验结果会同时显示原图和拉伸之后的图像，可以进行一个拉伸效果的对比，更具有直观性。
④实践结果使用了标题、颜色条、坐标轴进行显示，意在丰富图片显示时的内容，更具有美观性。
6.总代码
# 图像线性拉伸
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False# 显示负号
# 默认的像素：[6.0,4.0]，分辨率为100，图片尺寸为 600&400
# 指定dpi=200，图片尺寸为 1200*800;# 指定dpi=300，图片尺寸为 1800*1200
# 设置figsize可以在不改变分辨率情况下改变比例
plt.rcParams['figure.dpi'] = 200 #分辨率
#图像位置： D:/桌面 C盘移过来/数字图像处理实习/数字图像处理彩色图像.jpg
filename = input('图像路径：')
image = Image.open(filename)
# 图片转为矩阵
image_array = np.array(image)
# 拉伸到最大、最小值
stretch_max= int(input('拉伸到最大值maximum：'))
stretch_min= eval(input('拉伸到最小值minimum：'))
# 原图的最大、最小值
max = np.max(image_array)
min = np.min(image_array)
b = image_array.shape
for i in range(b[2]):
for m in range(b[1]):
for n in range(b[0]):
image_array[n, m, i] = (image_array[n, m, i] - min) / (max - min) * (stretch_max - stretch_min) + stretch_min
#最后的图像 把矩阵转为图
final_image = Image.fromarray(image_array)
# 并排显示图片及拉伸之后的直方图
def ShowImageAndHist(filename):
image = plt.imread(filename)#打开指定图片
print(image.shape)
plt.figure()#定义图片框
plt.subplot(1,2,1) # 将画板分为4行两列
plt.title("原图")
plt.imshow(image)#图片显示原始图像
#plt.axis('off') # 不显示坐标轴
plt.colorbar(shrink=0.75) #颜色条
plt.subplot(1,2,2)
plt.title("拉伸图像")
#plt.axis('off') # 不显示坐标轴
plt.imshow(final_image)
plt.show()#窗口中展示图片
if __name__ == '__main__':
#filename = r'D:/桌面 C盘移过来/数字图像处理实习（已完成）/数字图像处理彩色图像.jpg'
ShowImageAndHist(filename) ?
?