图像处理----直方图均衡化（灰度直方图）

图像灰度变换中一个非常有用的例子就是直方图均衡化。直方图均衡化是指将一副图像的灰度直方图变平，使得变换之后的图像中的每个灰度值的分布概率都相同。在对图像做进一步处理之前，直方图均衡化通常是对图像灰度值进行归一化的非常好的方法，并且可以增强图像的对比。

在这种情况下，直方图均衡化的变换函数是图像中像素值的累积分布函数（cumulative distribution function,简写为cdf,将像素值的范围映射到目标范围的归一化操作里）。

下面这个函数是直方图均衡化的具体实现：

from PIL import Image
from pylab import *
from numpy import *


def histeq(im, nbr_bins=256):
    """对一幅灰度图像进行直方图均衡化"""

    # 计算图像的直方图
    # 在numpy中，也提供了一个计算直方图的函数histogram(),第一个返回的是直方图的统计量，第二个为每个bins的中间值
    imhist, bins = histogram(im.flatten(), nbr_bins, normed=True)
    cdf = imhist.cumsum()  #
    cdf = 255.0 * cdf / cdf[-1]
    # 使用累积分布函数的线性插值，计算新的像素值
    im2 = interp(im.flatten(), bins[:-1], cdf)
    return im2.reshape(im.shape), cdf


pil_im = Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg')  # 打开原图
pil_im_gray = pil_im.convert('L')  # 转化为灰度图像
pil_im_gray.show()  # 显示灰度图像

im = array(Image.open('D:\\software\\pycharm\\PycharmProjects\\computer-version\\data\\tu3.jpg').convert('L'))

im2, cdf = histeq(im)

im2 = Image.fromarray(uint8(im2))
im2.show()

im2.save("junheng.jpg")
    

原灰度直方图为：

经过均衡化处理后的图像为：

 结论：我们可以看到，直方图均衡化后的图像的对比度增强了，原先图像灰色区域的细节变得清晰。