当前位置: 首页 > news >正文

显示一个文件夹下所有图片的直方图之和

针对3D图像的,因为所有3D图像的2D切片都在一个文件夹里,所以要进行直方图各个像素值数量的累加。

import sys
import cv2
import numpy as np
import os, glob
from skimage import data,io
import matplotlib.pyplot as plt
np.set_printoptions(threshold=sys.maxsize)#全部打印midfixed_img_path = 'D:/No.2project/MM_VM/result/RV_RL_png/fixed2moving_T22T1/Transverse/3/'
moving_img_path = 'D:/No.2project/MM_VM/result/RV_RL_png/moving_T1/Transverse/3/'
fixed_img_path = 'D:/No.2project/MM_VM/result/RV_RL_png/fixed_T2/Transverse/3/'midfixed_img_names = os.listdir(midfixed_img_path)
moving_img_names = os.listdir(midfixed_img_path)
fixed_img_names = os.listdir(midfixed_img_path)hist_midfixed = np.array([[0]*1]*256)  
hist_moving = np.array([[0]*1]*256)  
hist_fixed = np.array([[0]*1]*256)  for midfixed, moving, fixed in zip(midfixed_img_names, moving_img_names, fixed_img_names):midfixed = midfixed_img_path + midfixedmoving = moving_img_path + movingfixed = fixed_img_path + fixed# 1.加载图像midfixed = cv2.imread(midfixed, cv2.IMREAD_COLOR)moving = cv2.imread(moving, cv2.IMREAD_COLOR)fixed = cv2.imread(fixed, cv2.IMREAD_COLOR)# 2.获取直方图的值hist_midfixed = cv2.calcHist([midfixed], [0], None, [256], [1, 255]) + hist_midfixedhist_moving = cv2.calcHist([moving], [0], None, [256], [1, 255]) + hist_movinghist_fixed = cv2.calcHist([fixed], [0], None, [256], [1, 255]) + hist_fixed# 3.显示直方图
plt.plot(hist_midfixed, color="r")
plt.plot(hist_moving, color="g")
plt.plot(hist_fixed, color="b")
plt.show()saveFile = "D:/No.2project/MM_VM/result/RV_RL_png/fixed2moving_T22T1/Transverse/3_0-255/75.png"  # 保存文件的路径
cv2.imwrite(saveFile, img_src)  # 保存图像文件

http://www.lryc.cn/news/211879.html

相关文章:

  • 编程实例:操作简单的台球计时计费软件推荐,可以连接灯控硬件设备以及灯控器布线图编程
  • ThreadLocal 会出现内存泄漏吗?
  • Linux 下使用 Docker 安装 Redis
  • 协同网络入侵检测CIDS
  • (13)PC端自动化测试-C#微信接收消息并自动回复
  • 企业金蝶KIS软件服务器中了locked勒索病毒怎么办,勒索病毒解密
  • 2023年阿里云双11优惠来了,单笔最高可省2400元!
  • k8s资源调度
  • 【Netty专题】用Netty手写一个远程长连接通信框架
  • 注册商标被宣告为无效的5种情形
  • C#在类中申明成员数组变量的格式
  • 通俗易懂理解CNN卷积神经网络模型的参数量和计算量
  • npm工具使用方法介绍
  • 使用Python批量修改PPT字体和提取全部文字到word
  • Debezium系列之:在K8s集群中部署Debezium Operator运行Debezium Server的详细步骤
  • 并行和并发有什么区别?
  • 第2篇 机器学习基础 —(3)机器学习库之Scikit-Learn
  • 正点原子嵌入式linux驱动开发——Linux SPI驱动
  • 【计算机视觉】相机
  • Spring的条件注解,一篇文章盘得清清楚楚明明白白
  • Oracle (7)Online Redo Log Files
  • 物联网AI MicroPython传感器学习 之 PAJ7620手势识别传感器
  • Affinity Photo 2.2.1 高端专业Mac PS修图软件
  • 微服务-统一网关Gateway
  • 【音视频|wav】wav音频文件格式详解
  • 网络工程综合试题(二)
  • Android JNI/NDK 入门从一到二
  • 吃瓜教程3|决策树
  • springboot动态数据源【非伪数据源】
  • 如何改善设备综合效率(OEE)并提高工厂的生产力