### 使用Python批量处理图像并计算其属性 为了实现这一需求，可以利用`os`库来遍历指定目录下的所有图片文件，并通过`cv2.cvtColor()`函数将这些彩色图像转换为灰度图像[^2]。对于对比度、复杂度和亮度的计算，则可以根据具体定义采用不同的方法： #### 对比度 一种简单衡量对比度的方法是计算图像直方图的标准差。标准差越大说明该图像具有更高的对比度。 #### 复杂度 针对复杂度，在给定上下文中提到过灰度共生矩阵(GLCM)，这是一种统计学上的描述子，能够很好地表征纹理特征，因此可用于评估图像复杂程度[^1]。 #### 亮度 平均像素强度可作为一个合理的指标来反映整体亮暗情况；即求解整幅画素值均值得到的结果。 下面给出完整的代码示例，展示了如何读取文件夹内的图片并执行上述分析过程： ```python import os import numpy as np import cv2 from skimage.feature import greycomatrix, greycoprops def calculate_contrast(image_gray): hist = cv2.calcHist([image_gray], [0], None, [256], [0, 256]) contrast = float(np.std(hist)) return contrast def calculate_complexity(image_gray): glcm = greycomatrix(image_gray, distances=[1], angles=[0], levels=256, symmetric=True, normed=True) complexity = greycoprops(glcm, 'ASM')[0][0] return complexity def calculate_brightness(image_gray): brightness = np.mean(image_gray) return brightness folder_path = './images/' # 替换成实际路径 for filename in os.listdir(folder_path): if not (filename.endswith('.jpg') or filename.endswith('.png')): continue image_bgr = cv2.imread(os.path.join(folder_path, filename)) image_gray = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2GRAY) contrast = calculate_contrast(image_gray) complexity = calculate_complexity(image_gray) brightness = calculate_brightness(image_gray) print(f'File {filename}: Contrast={contrast:.4f}, Complexity={complexity:.4f}, Brightness={brightness:.4f}') ``` 此脚本会依次打开位于指定文件夹中的每一个`.jpg`或`.png`格式的文件，将其转化为灰度模式后分别调用三个自定义函数完成对应参数测量工作，并最终打印出各张照片的相关数值。