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: