Python与FPGA——直方图均衡

---

前言

  这是图像增强部分的最后一点内容，因为在《指数增强》中说过，除了指数增强有FPGA，所以其他几个方法只讲Python，懂原理即可。

---

一、图像灰度转换

  图像灰度处理很简单，把图像的红色、绿色、蓝色通道像素乘上相应的系数再加和。公式如下。

$$gray=red\times 0.299+green\times 0.587+blue\times 0.114$$

import numpy as np
import matplotlib.pyplot as plt
img = plt.imread("lenna.png")
gray = 0.299 * img[:, :, 0] + 0.587 * img[:, :, 1] + 0.114 * img[:, :, 2] 
gray *= 255
gray = gray.astype(np.uint8)
#以下用严谨的方式画图
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(1,2,1)
ax.set_title("raw image")
ax.set_xlabel("width")
ax.set_ylabel("height")
plt.imshow(img)
ax = fig.add_subplot(1,2,2)
ax.set_title("gray image")
ax.set_xlabel("width")
ax.set_ylabel("height")
plt.imshow(gray, cmap="gray")

二、直方图像素统计

  公式（1）表示每个像素值的占比。公式（2）是像素累加，比如像素值i=14是14之前所有像素包括14，13，12，11…个数的总和占比。公式（3）是公式（2）的基础上对概率值进行放大，由原来的[0-1]变成[0-255]。

$$\{\begin{array}{rl}& P(k)=\frac{n(k)}{N}\\ & s(k)=\sum _{i=0}^k\frac{n(i)}{N}\\ & s(k{)}^{\prime }=s(k)\times 255=\sum _{i=0}^k\frac{n(i)}{N}\times 255\end{array}$$

h, w = gray.shape#获取灰度图的高和宽
numpixel = np.zeros((256, 1))
for i in range(h):
    for j in range(w):
        numpixel[gray[i, j]] += 1#统计像素
plt.title("hist stat")
plt.xlabel("pixel")
plt.ylabel("number")
plt.bar(range(numpixel.shape[0]), numpixel[:, 0])
plt.show()

  根据公式（3）编写以下代码

sk = np.zeros((256, 1))
for i in range(numpixel.shape[0]):
    if i == 0:
        sk[i][0] = numpixel[i][0]#第1个不用累加
    else:
        sk[i][0] = sk[i - 1][0] + numpixel[i][0]#像素累加
sk = (sk / np.sum(numpixel)) * 255#根据公式（3）
sk = sk.astype(np.uint8)
plt.title("cum stat")
plt.xlabel("pixel")
plt.ylabel("number")
plt.bar(range(sk.shape[0]), sk[:, 0])
plt.show()

三、直方图均衡

hist_img = np.zeros((h, w))
for i in range(h):
    for j in range(w):
        hist_img[i, j] = sk[gray[i, j]]#根据公式（3）
fig = plt.figure(figsize=(8,8))
ax = fig.add_subplot(1,2,1)
ax.set_title("gray image")
ax.set_xlabel("width")
ax.set_ylabel("height")
plt.imshow(gray, cmap="gray")
ax = fig.add_subplot(1, 2, 2)
ax.set_title("hist image")
ax.set_xlabel("width")
ax.set_ylabel("height")
plt.imshow(hist_img, cmap="gray")

---

总结

  图像增强到此结束，完结撒花。下一部分内容，图像降噪算法介绍，敬请期待。