《python计算机视觉编程》读书笔记------6(Numpy篇)

直方图均衡化：

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
from PCV.tools import imtools
'''
图像灰度变换中一个非常有用的例子就是直方图均衡化。
图像均衡化作为预处理操作，在归一化图像强度时是一个很好的方式，
并且通过直方图均衡化可以增加图像对比度。
'''
# 添加中文字体支持
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"C:/Windows/Fonts/msyh.ttc", size=14)

im = array(Image.open('C:/pytm/pic/ceshi.jpg').convert('L'))  # 打开图像，并转成灰度图像
#im = array(Image.open('../data/AquaTermi_lowcontrast.JPG').convert('L'))
im2, cdf = imtools.histeq(im)

figure()
subplot(2, 2, 1)
axis('off')
gray()
title(u'原始图像', fontproperties=font)
imshow(im)

subplot(2, 2, 2)
axis('off')
title(u'直方图均衡化后的图像', fontproperties=font)
imshow(im2)

subplot(2, 2, 3)
axis('off')
title(u'原始直方图', fontproperties=font)
#hist(im.flatten(), 128, cumulative=True, normed=True)
hist(im.flatten(), 128, normed=True)

subplot(2, 2, 4)
axis('off')
title(u'均衡化后的直方图', fontproperties=font)
#hist(im2.flatten(), 128, cumulative=True, normed=True)
hist(im2.flatten(), 128, normed=True)

show()

运行结果：

补充：

'''
直方图均衡化的变换函数是图像中像素值的累积分布函数，简写cdf，将像素值的范围映射
到目标范围的归一化操作
对一幅灰度图像进行直方图均衡化的函数：
def histeq(im,nbr_bins=256):#nbr_bins是直方图中使用小区间的数目
    #计算图像的直方图
    imhist,bins = histogram(im.flatten(),nbr_bins,normal=True)
    cdf = imhist.cumsum() #cumulative distribution function
    cdf = 255* cdf / cdf[-1]  #归一化
    #使用累积分布函数的线性插值，计算新的像素值
    im2 = interp(im.flatten(),bins[:-1],cdf)
    #函数返回直方图均衡化后的图像，以及累积分布函数
    return im2.reshape(im.shape),cdf
    

'''