快捷導(dǎo)航

Python如何實(shí)現(xiàn)均直方圖均衡化

更新時(shí)間：2023年10月12日 11:01:32 作者：一米陽光zw

這篇文章主要介紹了Python如何實(shí)現(xiàn)均直方圖均衡化問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

簡介

通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度，直方圖均衡化通過有效地?cái)U(kuò)展常用的亮度來實(shí)現(xiàn)這種功能。

直方圖均衡化通常用來增加許多圖像的全局對(duì)比度，尤其是當(dāng)圖像的有用數(shù)據(jù)的對(duì)比度相當(dāng)接近的時(shí)候。通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度，直方圖均衡化通過有效地?cái)U(kuò)展常用的亮度來實(shí)現(xiàn)這種功能。

這種方法對(duì)于背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來X光圖像中更好的骨骼結(jié)構(gòu)顯示以及曝光過度或者曝光不足照片中更好的細(xì)節(jié)。這種方法的一個(gè)主要優(yōu)勢(shì)是它是一個(gè)相當(dāng)直觀的技術(shù)并且是可逆操作，如果已知均衡化函數(shù)，那么就可以恢復(fù)原始的直方圖，并且計(jì)算量也不大。這種方法的一個(gè)缺點(diǎn)是它對(duì)處理的數(shù)據(jù)不加選擇，它可能會(huì)增加背景噪聲的對(duì)比度并且降低有用信號(hào)的對(duì)比度。

直方圖均衡技術(shù)將原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，由于其算法簡單，無需借助外來因素的參數(shù)設(shè)置，可以自成系統(tǒng)的運(yùn)行，有效地增強(qiáng)圖像對(duì)比度，是一種常用的圖像增強(qiáng)方法. 一直以來，直方圖均衡技術(shù)受到各個(gè)領(lǐng)域的重視，比如在消費(fèi)類電子產(chǎn)品鄰域，在均衡圖像的同時(shí)希望保持圖像的亮度信息

直方圖的計(jì)算

實(shí)現(xiàn)代碼

import cv2
import matplotlib.pyplot as plt
import numpy as np
# 定義matshow方法
def matshow(title='image', image=None, gray=False):
    if isinstance(image, np.ndarray):
        if len(image.shape) == 2:
            pass
        elif gray:
            # 轉(zhuǎn)換成GRAY格式
            image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        else:
            # 圖片默認(rèn)BGR通道，將突破轉(zhuǎn)換成RGB
            image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
            # 使用這種方式顯示圖片可能會(huì)導(dǎo)致圖片顯示畸形
            # cv2.imshow('image', image)
    plt.figure()
    # 載入圖像
    plt.imshow(image, cmap="gray")
    # 設(shè)置標(biāo)題
    plt.title(title)
    plt.show()
if __name__ == '__main__':
    im = cv2.imread('data/lena.jpg', 0)
    matshow('im', im)
    # 繪制直方圖
    plt.hist(im.ravel(), 256, [0, 256])
    plt.show()
    # 均衡化處理
    im_equ1 = cv2.equalizeHist(im)
    matshow('im_equ1', im_equ1)
    # 繪制均衡化處理的直方圖
    plt.hist(im_equ1.ravel(), 256, [0, 256])
    plt.show()