直方图均衡化

兴趣所在，代码小白；自己学习，自我监督
学习《计算机视觉——算法与应用》(Richard Szeliski)，希望自己坚持下来。
通过图像的直方图可以获得一些有意义的统计量，比如图1，它的亮度直方图为图2.我们看到其中的黑色最多，白色值稍多，中间值较少。利用直方图均衡化的方法，来使一些暗的值变亮，一些亮的值变暗。

图1

图2
直方图均衡化的方法，是寻找一个映射函数f(I)使映射后的直方图平坦。得到映射函数f(I)首先计算累计分布函数。一般通过下式计算：
$c(I) = \frac{1}{N}\sum_{i=0}^Ih(i) = c(I-1) + \frac{1}{N}h(I)$
一种方法是让累计分布函数为映射函数，即f(I) = c(I)。效果如图4。

图3 均衡化前

图4 均衡化后
从图3，图4的对比中可以看出，均衡化后亮的部分变暗。
另一种映射函数为$f(I) = \alpha c(I) + (1-\alpha)I$，是对采取局部补偿的方法改善结果。效果如图6，其中$\alpha=0.3$(数自己瞎写的)。感觉过度效果稍好些。

图5 均衡化前

图6 均衡化后
代码用Python自己写，学习编程，理解思路。

import matplotlib.pyplot as plt
import cv2
import numpy as np

# 统计每个灰度值的像素点个数
# numPixels 为最大灰度值
def Hist(img, rows, cols, numPixels=256, dens=None):
    hist = np.zeros(numPixels)
    for i in range(rows):
        for j in range(cols):
            hist[img[i, j]] += 1
    if (dens == True):
# 每个灰度值的像素点个数占总像素点的比例,即灰度密度
        totalPixels = rows * cols
        for i in range(numPixels):
            hist[i] = hist[i] / totalPixels
        return hist
    else:
        return hist

# 累计分布函数
# cum为累计函数
# cumProj为累计函数在灰度值上的对应值
def Cumulation(hist, numPixels=256):
    cum = np.zeros(numPixels)
    cumProj = np.zeros(numPixels, dtype="int32")
    for i in range(numPixels):
        if i == 0:
            cum[i] = hist[i]
            cumProj[i] = cum[i] * i
        else:
            cum[i] = cum[i-1] + hist[i]
            cumProj[i] = cum[i] * i

    return cum, cumProj

# 直方图均匀化
# "itype=True"可选择采用局部补偿的方法，同时选择alpha值改变均匀化效果
def cvtImage(img, rows, cols, cum, alpha=1):
    if alpha != 1:
        for i in range(rows):
            for j in range(cols):
                img[i, j] = cum[img[i, j]] * alpha + (1 - alpha) * img[i, j]
    else:
        for i in range(rows):
            for j in range(cols):
                img[i, j] = cum[img[i, j]]
    return img

img = cv2.imread("./1.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

rows, cols = gray.shape
gray_ = gray.copy()
hist_ = Hist(gray_, rows, cols, dens=True)

hist = Hist(gray, rows, cols, dens=True)
cum, cumProj = Cumulation(hist)

gray = cvtImage(gray, rows, cols, cumProj, alpha=0.3)
hist = Hist(gray, rows, cols, dens=True)

fig = plt.figure(figsize=(12.5, 24))
ax1 = fig.add_subplot(411)
ax2 = fig.add_subplot(412)
ax3 = fig.add_subplot(413)
ax4 = fig.add_subplot(414)

cv2.imshow("original", gray_)
cv2.imshow("histogram", gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
ax1.plot([x for x in range(256)], cum)
ax2.plot([x for x in range(256)], cumProj)
ax3.plot([x for x in range(256)], hist_)
ax4.plot([x for x in range(256)], hist)
plt.show()