图像增强：直方图正规化、直方图均衡 (python实现)

当图像灰度级范围较小时，会造成图像对比度较低的问题。而图像增强则是通过把图像的灰度级范围进行扩大，从而使图像细节看起来更加清晰。下面我们一步一步进行说明。

灰度直方图

直方图是对灰度图像上的灰度值进行统计得到的关于灰度值的函数，用来描述每个灰度值在图像矩阵的像素个数或占有率。以下面的植物图片为例：

import cv2
import matplotlib.pyplot as plt
# 绘制图像灰度直方图
def deaw_gray_hist(gray_img):
    '''
    :param  gray_img大小为[h, w]灰度图像
    '''
    # 获取图像大小
    h, w = gray_img.shape
    gray_hist = np.zeros([256])
    for i in range(h):
        for j in range(w):
            gray_hist[gray_img[i][j]] += 1
    x = np.arange(256)
    # 绘制灰度直方图
    plt.bar(x, gray_hist)
    plt.xlabel("gray Label")
    plt.ylabel("number of pixels")
    plt.show()
# 读取图片
img = cv2.imread(img_path) # 这里需要指定一个 img_path
deaw_gray_hist(img[:,:,0])
cv2.imshow('ori_img', img)
cv2.waitKey()

如下所示，左边为植物图片，右边为其对应的灰度直方图。从直方图可以看出其灰度值主要聚集在范围很小的一个区域里，所以导致植物图片对比度较低，不太清晰。

      

线性变换

我们把图像的灰度直方图看做是关于图像灰度值的一个函数，即每张图片都可以得到一个关于其灰度值的分布函数。我们可以通过线性变换让其灰度值的范围变大。
假设图片上某点的像素值为 $i$，经过线性变换后得到的像素值为 $o$ , $a,b$ 为线性变换的参数则：
$$o=a\ast i+b$$
其中当 $a>0$ 时，图片的对比度会增大；当 $0<a<1$时，图片的对比度会减小。当 $b>0$ 时，图片的亮度会增大；当 $b<0$时，图片的亮度会减小。

# 对图像进行 线性变换
def linear_transform(img, a, b):
    '''
    :param img: [h, w, 3] 彩色图像
    :param a:  float  这里需要是浮点数，把图片uint8类型的数据强制转成float64
    :param b:  float
    :return: out = a * img + b
    '''
    out = a * img + b
    out[out > 255] = 255
    out = np.around(out)
    out = out.astype(np.uint8)
    return out
# a = 2, b=10
img = linear_transform(img, 2.0, 10)
deaw_gray_hist(img[:, :, 0])
cv2.imshow('linear_img', img)
cv2.waitKey()

      

直方图正规化

设图片$I$的灰度值范围为$[$