基于OpenCV的直方图匹配

最新推荐文章于 2024-09-23 08:08:11 发布

小白学视觉

最新推荐文章于 2024-09-23 08:08:11 发布

阅读量5.8k

点赞数 27

文章标签： python 计算机视觉深度学习 opencv 人工智能

本文链接：https://blog.csdn.net/qq_42722197/article/details/109793246

版权

本文介绍了图像直方图的概念，展示了如何在Python中使用OpenCV生成和均衡化直方图，以及如何进行直方图匹配以调整图像的对比度。直方图均衡化可以增强图像的对比度，而直方图匹配则允许根据目标图像的对比度调整源图像。

摘要由CSDN通过智能技术生成

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

如何为图像生成直方图，如何使直方图相等，最后如何将图像直方图修改为与其他直方图相似。

01. 什么是图像直方图？

在开始定义直方图之前，为简单起见我们先使用灰度图像，稍后再解释彩色图像的处理过程。

图像直方图表示图像的像素分布情况。换言之，图像直方图显示具有特定像素值的图像点数量。例如，假设正常图像的像素强度在0到255之间变化。为了生成其直方图，我们只需要计算像素值为0的像素数量，然后计算1并继续到255即可。在图1中，我们有一个5 * 5的样本图像，我们通过计算每个像素强度的数量来创建直方图表。

图1：生成图像直方图的过程

02. 如何生成图像直方图？

在python中，我们可以使用以下两个函数来创建然后显示图像的直方图。

import matplotlib.pyplot as plt
import numpy as np


def generate_histogram(img, do_print):
    """
    @params: img: can be a grayscale or color image. We calculate the Normalized histogram of this image.
    @params: do_print: if or not print the result histogram
    @return: will return both histogram and the grayscale image 
    """
    if len(img.shape) == 3: # img is colorful, so we convert it to grayscale
        gr_img = np.mean(img, axis=-1)
    else:
        gr_img = img
    '''now we calc grayscale histogram'''
    gr_hist = np.zeros([256])


    for x_pixel in range(gr_img.shape[0]):
        for y_pixel in range(gr_img.shape[1]):
            pixel_value = int(gr_img[x_pixel, y_pixel])
            gr_hist