Python实现直方图均衡化

直方图均衡化：

作用：直方图均衡化是一种有效的图像增强技术，原始图像在灰度分布上可能集中在较窄的区间，造成图像不够清晰。采用直方图均衡化可以将原始图像的直方图变换为均匀分布，这样增加了像素之间的灰度值差别，从而达到增强图像整体对比度的效果。

具体原理可参考冈萨雷斯数字图像处理3.3节

 

#直方图均衡化：遍历图像每个像素的灰度，算出每个灰度的概率（n/MN-n是每个灰度的个数，MN是像素总数），用L-1乘以所得概率得到新的灰度

import cv2
import numpy as np

img = cv2.imread('00000.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#直方图统计

def pix_gray (img_gray):
    h = img_gray.shape[0]
    w = img_gray.shape[1]

    gray_level = np.zeros(256)
    gray_level2 = np.zeros(256)

    for i in range (1,h-1):
        for j in range(1,w-1):
            gray_level[img_gray[i,j]] += 1  #统计灰度级为img_gray[i,j的个数

    for i in range(1,256):
        gray_level2[i] = gray_level2[i-1] + gray_level[i]  #统计灰度级小于img_gray[i,j]的个数

    return gray_level2

#直方图均衡化

def hist_gray(img_gary):
    h,w = img_gary.shape
    gray_level2 = pix_gray(img_gray)
    lut = np.zeros(256)
    for i in range(256):
        lut[i] = 255.0/(h*w)*gray_level2[i] #得到新的灰度级
    lut = np.uint8(lut + 0.5)
    out = cv2.LUT(img_gray,lut)
    return out


cv2.imshow(' imput',img_gray)
out_img = hist_gray(img_gray)
cv2.imshow('output',out_img)
cv2.waitKey(0)
cv2.destroyWindow()