图像的直方图均衡化处理

灰度直方图

定义：

性质：

• 直方图不包含空间信息

  一幅图像有唯一的直方图，

  不同的图像可能有相同的直方图。

• $$\sum _{i=0}^{2^k-1}H(r_i)=M\times N$$

  k:图像位数，2^k : 灰度级数，M，N：图像行数，列数

直方图均衡化

如果图像的灰度值集中在一个小区间内，对比度低。直方图均衡化是指通过每个像素的灰度变换，使全部灰度级别基本均匀分布，图像具有较大动态范围，增强图像整体对比度。

直方图均衡化算法要求:

1. 灰度变换曲线单调增长；

2. 对于8位图像，函数的值域应在0和255之间，避免截止和饱和。

3. 输出图像灰度尽可能分布均匀

常用的经典直方图均衡化算法：
$$s=\frac{r_{max}}{A}\sum _{i=0}^r{H}_i$$

$$s=\{\begin{array}{ll}\frac{r_{max}}{A-H_0}{\sum }_{i=1}^r{H}_i,& r>0\\ 0,& r=0\end{array}$$

r_max最大允许灰度，例如255，A为总像素数,

H_i为第 i 级灰度的像素数

直方图均衡化算法具有自适应性：不同对比度、不同亮度的图像，应用该算法后得到了大致相同的图像。

直方图均衡化是消除光照等因素造成的图像差异的有效方法。这种将图像转换为统一形式的做法，对于后续进行图像分析比较是非常有益的。

不足：

1、输出图像的实际灰度变化范围难达到允许的最大灰度变化范围（0-255）

2、输出图像的直方图虽然接近均匀分布, 但是和理想情况仍有可能存在一定差异。

3、输出图像的灰度级有可能被过多地合并，造成图像信息的丢失。

---

Code for Python with lib of open-cv

"""
直方图均衡化处理
"""
# write code here ...
import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv

# input a image
img = cv.imread('1.png')

# change img to gray
img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# show original image
cv.imshow('original',img)

# Get the image's histogram
hist_img = cv.calcHist([img],[0],None,[256],[0,256])

# equalize image
pic = cv.equalizeHist(img)
hist_pic = cv.calcHist([pic],[0],None,[256],[0,256])

# show equalize image
cv.imshow('equalize',pic)

# plot images hist...
plt.plot(hist_img, label='original image')
plt.plot(hist_pic, label='equalize image')

plt.title("histogram equalize")
plt.legend()
plt.show()

Output for Code

Code for Python with lib of numpy

import numpy as np
import cv2 as cv

"""
求直方图分布
"""
def histogram(img):
    row,col = img.shape
    A = row*col # 总像素数
    r = np.arange(256).reshape(256,1)
    hist = np.zeros(shape = r.shape,dtype=np.int32)
    for i in range(row):
        for j in range(col):
            if img[i][j] in r:
                hist[img[i][j]][0] += 1
    return hist/A,A

"""
进行直方图均衡化处理，返回均衡化后的图像
"""
def equalizeHist(img):
    hist,A = histogram(img)
    Rmax = 255  # 最大允许的灰度
    # 累加得到新的灰度级
    pro = np.int32(Rmax*np.cumsum(hist))
    row, col = img.shape
    re_img = img.copy()
    for i in range(row):
        for j in range(col):
            re_img[i][j] = pro[img[i][j]]
    cv.imshow('img',img)
    cv.imshow('re_img', re_img)
    cv.resizeWindow('img', 400, 400)
    cv.resizeWindow('re_img', 400, 400)
    return re_img

if '__name__'=='__main__':
    # input a image
    img = cv.imread('1.png')
    # change img to gray
    img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 直方图均衡化处理
    equalizeHist(img)

Output

---