目录
  • 直方图均衡化
  • 自适应直方图均衡化

直方图均衡化

直方图均衡化(Histogram Equalization)是一种增强图像对比度(Image Contrast)的方法，其主要思想是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。

scenery.png原图(下载)：

Python+OpenCV之直方图均衡化详解

import cv2  # opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt  # Matplotlib是RGB
# %matplotlib inline

def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()


img = cv2.imread('DataPreprocessing/img/scenery.png', 0)  # 0表示灰度图
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
print(hist.shape)

plt.hist(img.ravel(), 256)
plt.show()

转为灰度图后，整张图片像素分布的直方图结果:

Python+OpenCV之直方图均衡化详解

画出三通道的直方图分布:

color = ('b', 'g', 'r')
for i, col in enumerate(color):
    histr = cv2.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr, color=col)
    plt.xlim([0, 256])

Python+OpenCV之直方图均衡化详解

直方图均衡化处理:

img = cv2.imread('DataPreprocessing/img/scenery.png', 0)

equ = cv2.equalizeHist(img)
plt.hist(equ.ravel(), 256)
plt.show()
# cv_show(equ, "equ")

经过直方图均衡化处理后的像素分布:

Python+OpenCV之直方图均衡化详解

自适应直方图均衡化

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

res_clahe = clahe.apply(img)
res = np.hstack((img, equ, res_clahe))
cv2.imwrite("res_scenery.png", res)

cv_show(res, 'res')

展示所有的结果（原图 – – – 直方图均衡化 – – – 自适应直方图均衡化）:

Python+OpenCV之直方图均衡化详解

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。