OpenCV-python-03之createCLAHE生成自适应均衡化图像

最新推荐文章于 2024-06-18 10:12:10 发布
最新推荐文章于 2024-06-18 10:12:10 发布
阅读量7k 收藏 9
点赞数 3
分类专栏： 图像处理 文章标签： opencv python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JimmyOrigin/article/details/116658802
版权
本文介绍了OpenCV中createCLAHE方法用于实现自适应直方图均衡化的图像处理技术，相较于全局均衡化equalizeHist，createCLAHE通过分块局部优化能更好地保留图像细节，例如在雕像轮廓的呈现上效果更优。
摘要由CSDN通过智能技术生成

1、说明
equalizeHist这种全局的均衡化也会存在一些问题，由于整体亮度的提升，也会使得局部图像的细节变得模糊，因为我们需要进行分块的局部均衡化操作。如creatCLAHE

2、代码

import cv2

img = cv2.imread('8.jpg', 0)
cv2.imshow("src", img)

# 直方图均衡化
dst1 = cv2.equalizeHist(img)
cv2
最低0.47元/天 解锁文章
JimmyOrigin
关注
  • 3
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【python】直方图均衡化和自适应均衡化图像
慕云
02-27 1193
1、代码 import cv2 import matplotlib.pyplot as plt img=cv2.imread('./bike.jpg',0)#读取图片 #进行直方图均衡化 res=cv2.equalizeHist(img) #用于生成自适应均衡化图像 #clipLimit颜色对比度的阈值， titleGridSize进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作 ccc=cv2.createCLAHE(clipLimit=2,tileGridSize=(10,10)) c
Opencv-Python入门知识点总结
m0_47905058的博客
08-03 929
Opencv-Python笔记 注：Opencv读取图片的格式是BGR 数据读取——图像 ① cv2.imread(‘参数1’，参数2) ——读取指定图像，参数1指图像名，参数2指图像格式，彩色or灰度注：cv2.IMREAD_COLOR ——彩色图像 cv2.IMREAD_GRAYSCALE ——灰度图像 ② cv2.imshow(‘参数1’，参数2)——显示图像 注：参数1指显示窗口名，可任意；参数2指需显示图像矩阵 ③ cv2.waitKey(参数1)；cv2.destroyAll......
OpenCV 对比度受限的自适应直方图均衡化(CLAHE) C++实现
cyf15238622067的博客
04-11 1万+
直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，以达到提高图像对比度的目的。该映射曲线其实就是图像的累计分布直方图（CDF）（严格来说是呈正比例关系）。然而HE是对图像全局进行调整的方法，不能有效地提高局部对比度，而且某些场合效果会非常差。 对比度受限的自适应直方图均衡（CLAHE，Contrast Limited Ada...
关于使用cv2.createCLAHE（）的一个问题
qq_41292565的博客
05-29 7455
我对图像进行自适应直方图均衡化时，也就是应用cv2.createCLAHE（），出现了error: (-215:Assertion failed) _src.type() == CV_8UC1 || _src.type() == CV_16UC1 in function ‘`anonymous-namespace’::CLAHE_Impl::apply’ 后来从网上这个博客添加链接描述中找到答案，他是说将读取的图片通道改为单通道。 上面所说的图片的通道指的是cv2.imread()中有一个flag参数是有关
C# OpenCvSharp 图像变换与增强-convertScaleAbs、log、exp、pow、sqrt、equalizeHist、CLAHE、detailEnhance、illuminatio
cncWay的博客
06-18 1210
1.convertScaleAbs0-将图像转为8位无符号图像，并进行线性变换（y = ax + b）。 2.log-对图像进行对数变换，通常用于增强图像的细节。 3.exp-对图像进行指数变换，通常用于图像增强。 4.pow-对图像进行幂变换，通常用于图像增强。 5.sqrt-对图像进行开方变换，通常用于图像增强。 6.equalizeHist-直方图均衡化，用于增强图像对比度。 7.CLAHE-限制对比度自适应直方图均衡化，用于增强图像。 8.detailEnhance-增强图像细节。
OpenCV-Python教程：直方图均衡(equalizeHist,createCLAHE)
桔子code 的博客
12-01 1万+
直方图均衡就是让图像的像素个数多的灰度级拉的更宽，对像素个数少的灰度级进行压缩，从而达到提高图像的对比度的目的。从直方图的直观效果来看，就是让y轴比较高的位置变矮向x轴方向膨胀，y轴比较矮的位置变高并在x轴方向压缩。
【OpenCV 例程300篇】49. 直方图处理之局部直方图处理（cv2.createCLAHE）
youcans的博客
12-03 7594
直方图均衡和直方图匹配都是基于整幅图像的灰度分布进行全局变换，并非针对图像局部区域的细节进行增强。直方图处理对于局部同样适用，局部直方图处理的思想是基于像素邻域的灰度分布进行直方图变换处理。 OpenCV 提供了类 **cv2. createCLAHE** 用于创建自适应均衡化的对象和方法，可以实现局部直方图处理。 ...
【图像增强】灰度图与RGB图Clahe的python实现
qq_43426908的博客
11-09 9303
Clahe：Contrast Limited Adaptive Histogram Equalization 对比度受限的自适应直方图均衡化 Clahe的理论解释：   Clahe理论详解1   Clahe理论详解2 1.函数 cv2.createCLAHE cv2.createCLAHE(clipLimit=None,tileGridSize=None){cv2.createCLAHE(clipLimit=None, tileGridSize=None)}cv2.createCLAHE(clipLimit
opencv用自适应直方图均衡化函数cv2.createCLAHE()提高对比度
xulibo5828的博客
06-02 1061
来自WeTab AI Pro是 OpenCV 中的一个函数，用于创建 CLAHE（Contrast Limited Adaptive Histogram Equalization，对比度受限自适应直方图均衡化）对象。CLAHE 是一种增强图像局部对比度的技术，通过限制对比度来避免传统直方图均衡化所引入的噪声和过度增强。以下是。
【OpenCV-Python】 直方图均衡化
赞美月亮的专栏
04-12 9702
OpenCV 直方图均衡化 直方图 直方图相关术语 BINS DIMS RANGE OpenCV中直方图的计算 Numpy中直方图的计算 绘制直方图 1. 使用Matplotlib 2. 使用OpenCV 应用遮罩 直方图均衡化 直方图均衡化算法 Numpy中的直方图均衡化 Numpy相关函数 计算累计和cumsun() 直方图均衡化 示例1：单通道的灰阶图的直方图均衡化 ...
【OpenCV-Python图像处理秘籍】：从零到精通的图像处理指南
![OpenCV-Python]...OpenCV-Python广泛应用于各种领域，包括计算机视觉、机器人技术、医疗成像和工业自动化。它可以用于解决各种图像处理任务，例如图像增强、对
OpencvCLAHE
09-23
本代码基于Opencv的CLAHE图像处理技术。基于论文 “基于CLAHE的X射线行李图像增强”，王建。
cv::CLAHE 使用CLAHE算法例子
911的专栏
04-01 1万+
具体算法可以看源码 #include using namespace cv; int _tmain(int argc, _TCHAR* argv[]) { Mat src = imread("d:/1.jpg",0); Ptr clahe = createCLAHE(); Mat dst; clahe ->apply(src,dst); imshow("src",src);
OpenCV-python-2之equalizeHist
JimmyOrigin的博客
05-11 591
1、说明 直方图均衡化：一般可以用来提升图片的亮度，频数均衡化指的是让频数的分布看起来更加均匀一些 2、代码 import cv2 import matplotlib.pyplot as plt img = cv2.imread('7.jpg', 0) cv2.imshow("src", img) his = cv2.calcHist([img], [0], None, [255], [0, 255]) plt.plot(his, label='his', color='r') # 直方图均衡化 ds
自适应直方图均衡（CLAHE) 代码及详细注释【OpenCV】
热门推荐
ShaderJoy 的兴趣技术杂货铺
10-18 2万+
理论请参考博客 OpenCV源码的本地路径： %OPENCV%\opencv\sources\modules\imgproc\src\clahe.cpp clahe.cpp // ---------------------------------------------------------------------- // CLAHE namespace { class C
OpenCV-Python自适应直方图均衡类CLAHE及方法详解
老猿Python
10-21 2万+
本文介绍了OpenCV-Python对比度受限自适应直方图均衡变换的CLAHE类及其方法，并通过代码介绍了相关方法的使用。在单图像的对比度受限自适应直方图均衡时，只需要使用createCLAHE创建CLAHE对象，然后调用该对象apply方法就可以完成对比度受限自适应直方图均衡处理，该类的其他方法用处不大，但如果是要进行多次对比度受限自适应直方图均衡处理，且需要设置不同的分块数和受限阈值，则可以通过提供的方法直接修改对象属性再进行均衡处理即可。
opencv- CLAHE 有限对比适应性直方图均衡化
weixin_42367888的博客
11-22 2977
opencv- CLAHE 有限对比适应性直方图均衡化
OpenCV基础（16）OpenCV直方图均衡化和自适应直方图均衡化(CLAHE)
weixin_43229348的博客
09-29 9838
在本教程中，您将学习使用OpenCV实现直方图均衡化和自适应直方图均衡化(CLAHE)。 直方图均衡化是一种基本的图像处理技术，通过更新图像直方图的像素强度分布来调整图像的全局对比度。这样做可以使低对比度的区域在输出图像中获得更高的对比度。 本质上，直方图均衡化的工作原理是: 1.计算图像像素强度的直方图 2.均匀展开并分布最频繁的像素值(即直方图中计数最大的像素值) 3.给出累积分布函数(CDF)的线性趋势 应用直方图均衡化的结果是得到一幅全局对比度更高的图像。 我们可以进一步改进直方图均衡化，采用一
解决opencv-python-headless与opencv-python冲突
最新发布
09-10
当你在安装`opencv-python-headless`的同时安装了`opencv-python`，可能会遇到版本冲突的问题，因为这两个库都是OpenCV在Python中的接口，只不过`opencv-python`包含了GUI功能，而`opencv-python-headless`则是没有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值