opencv直方图均衡化

本文介绍了使用OpenCV进行灰度图和BGR通道直方图均衡化的代码示例,以及直方图均衡化在增强图像对比度中的作用。同时提到直方图均衡化的局限性及改进算法如自适应方法。
摘要由CSDN通过智能技术生成
import cv2
import numpy as np
import math
import copy
from matplotlib import pyplot as plt

image=cv2.imread("C:/Users/wangyiyuan/Desktop/20200201172603_hocyy.jpg",0)#####保存灰度图
dst=cv2.equalizeHist(image)
cv2.imshow("dst",dst)
cv2.imshow("image",image)


####################灰度直方图下面介绍绘制BGR均衡直方图
image=cv2.imread("C:/Users/wangyiyuan/Desktop/20200201172603_hocyy.jpg",1)
(b,g,r)=cv2.split(image)######对每一个通道分解进行均衡化
bh=cv2.equalizeHist(b)
gh=cv2.equalizeHist(g)
rh=cv2.equalizeHist(r)
img=cv2.merge((bh,gh,rh))
cv2.imshow("image",img)
cv2.imshow("image",image)
cv2.waitKey(0)

直方图均衡化可以增强局部图像的对比度,在数据较为相似的图像中的作用更加明显。具体实现使用的累积分布函数。直方图均衡化的简并现象不仅会使出现频数过大的灰度级别过度增强,还会使所关注的目标细节信息丢失,未达到预期的目的。目前有改进算法,比如基于幂函数的加权自适应直方图均衡化,平台直方图均衡化

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值