Opencv基础自学十四（直方图均衡化）

import cv2 as cv
import  numpy as np
from matplotlib import pyplot as plt

#直方图均衡化必须先灰度化
def equalHist_demo(image):
	gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
	dst = cv.equalizeHist(gray) #自动调整图像对比度，把图像变得更清晰
	cv.imshow("equalHist_demo", dst)
	return dst


"""
局部直方图均衡化
把整个图像分成许多小块（比如按8*8作为一个小块），
那么对每个小块进行均衡化。
这种方法主要对于图像直方图不是那么单一的（比如存在多峰情况）图像比较实用
"""
#局部均衡化
def clahe_demo(image):
	gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)#必须先灰度化
	clahe = cv.createCLAHE(clipLimit=5.0, tileGridSize=(8, 8)) #局部直方图均衡化
	dst = clahe.apply(gray)
	cv.imshow("clahe_demo", dst)
	return dst
	# cv.createCLAHE =>cliplimit：灰度值 clipLimit参数表示对比度的大小。 默认是40
	# tilegridsize：图像切割成块，每块的大小 参数表示每次处理块的大小



if __name__ == '__main__':
	src = cv.imread("D:/example/1.png ")
	src2=cv.imread('Y:/2018-07-31 101509.jpg')
	# cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
	cv.imshow("source image", src)
	equalHist_demo(src)
	clahe_demo(src)
	cv.waitKey(0)
	cv.destroyAllWindows()

 

原图效果

效果图如下：