opencv学习：图像直方图均衡化与对比度受限的自适应直方图均衡化及实验代码

直方图均衡化是一种图像处理技术，用于改善图像的全局对比度，通过均匀分布图像的灰度级来实现。CLAHE是一种改进的直方图均衡化技术，它将图像分割成多个小块，对每个小块分别进行直方图均衡化，然后合并结果，以避免在大范围均衡化中可能出现的噪声放大问题。

实验步骤

1. 使用OpenCV读取图像文件“woman.png”为灰度图像。

   phone=cv2.imread("woman.png",cv2.IMREAD_GRAYSCALE)

2. 计算并显示原始图像的直方图。

   plt.hist(phone.ravel(),bins=256)
   plt.show()

3. 应用直方图均衡化，计算并显示均衡化后的图像的直方图。

   phone_equalize=cv2.equalizeHist(phone)
   plt.hist(phone_equalize.ravel(),bins=256)
   plt.show()

4. 将原始图像和均衡化后的图像水平堆叠，显示在同一个窗口中。

   res=np.hstack((phone,phone_equalize))
   cv2.imshow("phone_equalize",res)

5. 创建CLAHE对象，设置clipLimit和tileGridSize参数。

   clahe=cv2.createCLAHE(clipLimit=1,tileGridSize=(16,16))

6. 应用CLAHE处理原始图像。

   phone_clahe=clahe.apply(phone)

7. 将原始图像、直方图均衡化后的图像和CLAHE处理后的图像水平堆叠，显示在同一个窗口中。

   res=np.hstack((phone,phone_equalize,phone_clahe))
   cv2.imshow("phone_equalize",res)

实验结果

完整代码

phone=cv2.imread("woman.png",cv2.IMREAD_GRAYSCALE)
plt.hist(phone.ravel(),bins=256)
plt.show()

phone_equalize=cv2.equalizeHist(phone)
plt.hist(phone_equalize.ravel(),bins=256)
plt.show()

res=np.hstack((phone,phone_equalize))
cv2.imshow("phone_equalize",res)
cv2.waitKey(0)

clahe=cv2.createCLAHE(clipLimit=1,tileGridSize=(16,16))
phone_clahe=clahe.apply(phone)
res=np.hstack((phone,phone_equalize,phone_clahe))
cv2.imshow("phone_equalize",res)
cv2.waitKey(0)
plt.show()