### 基于灰度的图片特征提取方法 在 Python 中，可以利用 OpenCV 和 NumPy 库完成基于灰度的图片特征提取。以下是具体实现方式： #### 1. 导入必要的库 为了操作图像并计算其统计特性，需导入 `cv2`（OpenCV 的模块）和 `numpy`。 ```python import cv2 import numpy as np from math import sqrt ``` #### 2. 加载图像并转换为灰度模式 加载彩色图像后将其转换为灰度图像以便进一步处理。 ```python def load_and_convert_to_grayscale(image_path): image = cv2.imread(image_path) if image is None: raise ValueError(f"Image not found at {image_path}") gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) return gray_image ``` 此函数读取指定路径上的图像，并返回对应的灰度版本[^1]。 #### 3. 提取灰度直方图及其统计特性 从灰度图像中提取均值、标准差、能量、熵等特征。 ```python def extract_features(gray_image): hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256]) total_pixels = gray_image.shape[0] * gray_image.shape[1] mean_value = np.mean(gray_image).item() std_deviation = np.std(gray_image).item() energy = sum((hist / total_pixels) ** 2)[0] entropy = -sum(((hist / total_pixels) * np.log2(hist / total_pixels))[np.isfinite(np.log2(hist / total_pixels))]) contrast = 0 for i in range(256): for j in range(256): contrast += ((i - j) ** 2) * (hist[i] * hist[j]) / (total_pixels ** 2) features = { 'mean': mean_value, 'std_deviation': std_deviation, 'energy': energy.item(), 'entropy': entropy.item(), 'contrast': contrast.item() } return features ``` 该部分实现了对灰度直方图的分析，包括均值、标准差、能量、熵以及对比度的计算[^1]^。 #### 4. 批量处理文件夹内的所有图片 对于给定目录中的所有图片执行上述功能。 ```python import os def batch_process_images(folder_path): results = [] for filename in os.listdir(folder_path): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): try: file_path = os.path.join(folder_path, filename) gray_image = load_and_convert_to_grayscale(file_path) features = extract_features(gray_image) results.append({filename: features}) except Exception as e: print(f"Error processing {file_path}: {e}") return results ``` 这段代码遍历指定文件夹中的每张图片，调用前面定义的功能来获取它们的特征并向列表追加结果[^1]. --- ### 示例运行 假设有一个名为 `"images"` 的文件夹，其中包含若干 JPEG 文件，则可按如下方式进行测试： ```python if __name__ == "__main__": folder_path = "./images" result = batch_process_images(folder_path) for item in result: print(item) ``` 这会打印出每一幅图像的相关特征信息。 --- ### 注意事项 - 需要安装依赖项：`pip install opencv-python-headless numpy` - 输入图像应位于同一目录下或提供绝对路径。 - 如果某些图像无法正常加载，程序会在控制台显示错误消息而不会中断整个流程。 ---