python实现直方图均衡化

直方图均衡化

1.大致思路

1. 首先求出原图片的直方图，即图片中每个灰度值的具体像素点数量，具体函数为cv2.calcHist([img],[0],None,[256],[0,255])，再除以该图片的总像素点（h*w）求出其概率，并将结果放置hist数组。
2. 利用累积分布函数，设置一个新的数组sum_hist，求出从0到i的所有灰度值所对应的像素点数的概率，即 sum_hist[i] = sum(hist[0:i+1])。
3. 对于新建立的sum_hist，要对其乘上（L-1），并且由于灰度值是整数，所以要对结果进行四舍五入。注意此时的数组存放的键值对，是对于每个原始图片的灰度值->处理之后的图片灰度值。
4. 最后新建图片equal_img，存放结果数据。

2. 具体代码实现

import matplotlib.pyplot as plt
import cv2
import numpy as np
img = "part-00264-919.jpg"


def def_equalizehist(img,L=256):
    img = cv2.imread(img,0)
    cv2.imshow("ori",img)
    h, w = img.shape
    # 计算图像的直方图，即存在的每个灰度值的像素点数量
    hist = cv2.calcHist([img],[0],None,[256],[0,255])
    # 计算灰度值的像素点的概率，除以所有像素点个数，即归一化
    hist[0:255] = hist[0:255] / (h*w)
    # 设置Si
    sum_hist = np.zeros(hist.shape)
    #开始计算Si的一部分值，注意i每增大，Si都是对前i个灰度值的分布概率进行累加
    for i in range(256):
        sum_hist[i] = sum(hist[0:i+1])
    equal_hist = np.zeros(sum_hist.shape)
    #Si再乘上灰度级，再四舍五入
    for i in range(256):
        equal_hist[i] = int(((L - 1) - 0) * sum_hist[i] + 0.5)
    equal_img = img.copy()
    #新图片的创建
    for i in range(h):
        for j in range(w):
            equal_img[i, j] = equal_hist[img[i, j]]
            
    equal_hist = cv2.calcHist([equal_img], [0], None, [256], [0, 256])
    equal_hist[0:255] = equal_hist[0:255] / (h * w)
    cv2.imshow("inverse", equal_img)
    # 显示最初的直方图
    #plt.figure("原始图像直方图")
    plt.plot(hist, color='b')
    plt.show()
    #plt.figure("直方均衡化后图像直方图")
    plt.plot(equal_hist, color='r')
    plt.show()
    cv2.waitKey()
    #return equal_hist
    return [equal_img, equal_hist]
    
def_equalizehist(img)