直方图均衡化

前端小佀

已于 2023-03-14 19:17:57 修改

阅读量137

点赞数

文章标签： python

于 2023-03-14 19:15:57 首次发布

本文链接：https://blog.csdn.net/syl455521/article/details/129537589

版权

该文介绍了如何使用OpenCV库在Python中对彩色图像进行全局和自适应直方图均衡化。首先，它将图像从BGR色彩空间转换到YCrCb，然后对亮度通道进行直方图均衡化。对于自适应均衡化，它利用了CLAHE（对比度受限的自适应直方图均衡化）方法，调整了clipLimit和tileGridSize参数以优化效果。最后，将处理后的图像与原始图像并排显示并保存结果。

摘要由CSDN通过智能技术生成

import numpy as np
import cv2 as cv


# 彩色图像全局直方图均衡化
def hisEqulColor1(img):
    # 将RGB图像转换到YCrCb空间中
    ycrcb = cv.cvtColor(img, cv.COLOR_BGR2YCR_CB)
    # 将YCrCb图像通道分离
    channels = cv.split(ycrcb)
    # 对第1个通道即亮度通道进行全局直方图均衡化并保存
    cv.equalizeHist(channels[0], channels[0])
    # 将处理后的通道和没有处理的两个通道合并，命名为ycrcb
    cv.merge(channels, ycrcb)
    # 将YCrCb图像转换回RGB图像
    cv.cvtColor(ycrcb, cv.COLOR_YCR_CB2BGR, img)
    return img


# 彩色图像进行自适应直方图均衡化，代码同上的地方不再添加注释
def hisEqulColor2(img):
    ycrcb = cv.cvtColor(img, cv.COLOR_BGR2YCR_CB)
    channels = cv.split(ycrcb)

    # 以下代码详细注释见官网：
    # https://docs.opencv.org/4.1.0/d5/daf/tutorial_py_histogram_equalization.html
    clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    clahe.apply(channels[0], channels[0])

    cv.merge(channels, ycrcb)
    cv.cvtColor(ycrcb, cv.COLOR_YCR_CB2BGR, img)
    return img


img = cv.imread('794.jpg')
img1 = img.copy()
img2 = img.copy()

res1 = hisEqulColor1(img1)
res2 = hisEqulColor2(img2)

res = np.hstack((img, res1, res2))
cv.imwrite('7941.jpg', res)