直方图均衡基本原理--python的实现方法

1.基本原理

通过一个变换，将输入图像的灰度级转换为`均匀分布`，变换后的灰度级的概率密度函数为
 

Ps(s)=1L−1Ps(s)=1L−1

直方图均衡的变换为
 

s=T(r)=(L−1)∫r0Pr(c)dcs=T(r)=(L−1)∫0rPr(c)dc

 

• ss为变换后的灰度级，rr为变换前的灰度级
• Pr(r)Pr(r)为变换前的概率密度函数

2. 测试结果

上代码

[Python] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

import numpy as np   def hist_equalization(input_image):     '''     直方图均衡（适用于灰度图）     :param input_image: 原图像     :return: 均衡后的图像     '''     output_imgae = np.copy(input_image) # 输出图像，初始化为输入       input_image_cp = np.copy(input_image) # 输入图像的副本       m, n = input_image_cp.shape # 输入图像的尺寸（行、列）       pixels_total_num = m * n # 输入图像的像素点总数       input_image_grayscale_P = [] # 输入图像中各灰度级出现的概率，亦即输入图像直方图       # 求输入图像中各灰度级出现的概率，亦即输入图像直方图     for i in range(256):         input_image_grayscale_P.append(np.sum(input_image_cp == i) / pixels_total_num)       # 求解输出图像     t = 0               # 输入图像的灰度级分布函数F     for i in range(256):           t = t + input_image_grayscale_P[i]           output_imgae[np.where(input_image_cp == i)] = 255 * t       return output_imgae