直方图均衡化

发呆少女

于 2020-08-19 11:43:25 发布

阅读量375

点赞数

分类专栏：基于opencv和python的智能图像处理文章标签： opencv python 计算机视觉机器学习

本文链接：https://blog.csdn.net/qq_43632490/article/details/108076998

版权

基于opencv和python的智能图像处理专栏收录该内容

12 篇文章 1 订阅

订阅专栏

本文介绍了直方图均衡化的概念，并分别展示了如何自定义直方图均衡化函数、使用OpenCV库的内置均衡化函数，以及应用自适应直方图均衡化（CLAHE）来增强图像的对比度。通过实例代码展示了CLAHE对象的创建和使用，以提高图像局部区域的对比度。

摘要由CSDN通过智能技术生成

自定义直方图均衡化函数：

import math
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt


# 计算图像灰度直方图
def calcGrayHist(image):
    rows, cols = image.shape  # 获取图像的行数和列数(高和宽)
    grayHist = np.zeros([256], np.uint32)  # 新建大小为256的一维数组，元素用0填充，用于存储直方图信息
    # 计算灰度直方图
    for r in range(rows):
        for c in range(cols):
            grayHist[image[r, c]] += 1
    return grayHist


# 直方图均衡化
def equalHist(image):
    rows, cols = image.shape  # 获取图像的行数和列数(高和宽)
    grayHist = calcGrayHist(image)  # 获取图像的灰度直方图
    zeroCumuMoment = np.zeros([256], np.uint32)  # 新建数据，存储累加直方图信息
    # 计算累加直方图
    for p in range(256):
        if p == 0:
            zeroCumuMoment[p] = grayHist[0]
        else:
            zeroCumuMoment[p] = zeroCumuMoment[p - 1] + grayHist[p]  # 累加
    # 均衡化
    outPut_q = np.zeros([256], np.uint8)  # 存储均衡化后的新灰度级信息
    cofficient = 256.0 / (rows * cols)  # 映射工具（运算因子）
    for p in range(256):  # 映射
        q = cofficient * float(zeroCumuMoment[p]) - 1  # q存储运算后的结果
        if q >= 0:
            outPut_q[p] = math.floor(q)  # Math.floor(x)返回小于等于x的最大整数
        else:
            outPut_q[p] = 0
    # 获取均衡化后的图像
    equalHistImage = np.zeros(image.shape, np.uint8)  # 存储均衡化后的图像
    for r in range(rows):
        for c in range(cols):
            equalHistImage[r][c] = outPut_q[image[r][c]]
    return equalHistImage


# 主函数
image = cv.imread('d:/exercise/lusi.jpg', 0)  # 读入灰度图像
dst = equalHist(image)  # 得到均衡化后的图像
print(dst)
cv.imshow('before', image)  # 显示均衡化前图像
cv.imshow('after', dst)  # 显示均衡化后图像
plt.figure('原始直方图')
plt.hist(image.ravel(), 256)
plt.figure('均衡化直方图')
plt.hist(dst.ravel(), 256)
plt.show()  # 显示上面两个直方图
cv.waitKey()
cv.destroyAllWindows()
# opencv中的灰度图以uint8存储，３通道彩色图也是uint８，范围就是0~255

运行结果：

使用系统已定义好的均衡化函数：

均衡化函数，返回结果图像：
equ = cv.equalizeHist(image)

import cv2 as cv
import matplotlib.pyplot as plt

image = cv.imread('d:/exercise/lusi.jpg', 0)  # 读入图像
cv.imshow('before', image)  # 显示原始图像
equ = cv.equalizeHist(image)  # 均衡化处理后的图像
cv.imshow('after', equ)  # 显示均衡化后的图像
plt.figure('原始直方图')
plt.hist(image.ravel(), 256)
plt.figure('均衡化直方图')
plt.hist(equ.ravel(), 256)
plt.show()  # 显示上面两个直方图
cv.waitKey()
cv.destroyAllWindows()

运行结果与上面的算法相同。

自适应直方图均衡化：

创建CLAHE对象：限制对比度为40，大小为8*8的矩阵：
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
执行自适应均衡化，返回结果图像：
dst = clahe.apply(image)

import cv2 as cv
import matplotlib.pyplot as plt

image = cv.imread('d:/exercise/lusi.jpg', 0)  # 读入图像
cv.imshow('before', image)  # 显示原始图像
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))  # 创建CLAHE对象：限制对比度为40，大小为8*8的矩阵
dst = clahe.apply(image)  # 自适应均衡化
cv.imshow('after', dst)  # 显示自适应均衡化后的图像
plt.figure('原始直方图')
plt.hist(image.ravel(), 256)
plt.figure('均衡化直方图')
plt.hist(dst.ravel(), 256)
plt.show()  # 显示上面两个直方图
cv.waitKey()
cv.destroyAllWindows()