OpenCV自学笔记25. 直方图均衡化

OpenCV自学笔记25. 直方图均衡化

1、直方图均衡化的原理

直方图均衡化往往能够使图像的对比度增强，它增强了靠近直方图极大值附近的对比度，减小了极小值附近的对比度。

它的数学原理如下（摘自维基百科）：

跳过数学原理，其实直方图均衡化的步骤非常简单，看一个例子很容易明白。

下文引用自：http://www.cnblogs.com/tianyalu/p/5687782.html，原作者写得非常清楚，所以就直接引用了

2、直方图均衡化的实现

在实现部分，我分别通过OpenCV中提供的api，以及自己用python写这两种方式验证了直方图均衡化的原理，完整的程序如下。

注：我用python写的代码比较差，直接用循环比较好理解，也没有用numpy，所以运行起来比较慢。

• opencv实现
• python自己动手实现

先来看看效果吧，第一张图是原始的灰度图，第二张是采用OpenCV提供的equalizeHist方法得到的效果图，第三张是自己编写python的效果图。

myhistogram.py

# -*- coding:utf-8 -*-

import cv2
import numpy as np

'''
  替换像素
  old_val : 原始像素值
  new_val : 新像素值
  image : 要替换像素的图片
'''
def replace(old_val, new_val, image):
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            if image[i][j] == old_val:
                image[i][j] = new_val



# 读入图片
image = cv2.imread("images/my_wife2.jpg", 0) # 363 236
cv2.imshow("image", image) # 显示原始图片

# 用OpenCV 提供的equalizeHist方法，进行直方图均衡化
eq = cv2.equalizeHist(image)
cv2.imshow("Histogram Equalization", np.hstack([eq]))

# 下面自己写直方图均衡化
rows = image.shape[0]
cols = image.shape[1]
nums = rows * cols
bin = [0] * 256  # 分为256个bin，类似桶排序的思想

# 统计个数
for i in range(rows):
    for j in range(cols):
        bin[image[i][j]] += 1

# 根据累积概率计算新的灰度值，并替换旧的灰度值
p = 0
for i in range(0, 256):
    p += bin[i] / nums
    val = (int)(p * 255)
    replace(i, val, image)

# 显示直方图均衡化后的图像
cv2.imshow("after histogram", image)
cv2.waitKey(0)

然后，我绘制了这三张结果图的直方图，如下。可见直方图均衡化相当于将直方图拉伸抻平了。

绘制直方图的代码为：

from matplotlib import pyplot as plt

'''
绘制直方图 代码参考自 
http://blog.csdn.net/jnulzl/article/details/47171549
'''
def drawHist(image):
    # 图像直方图
    hist = cv2.calcHist([image], [0], None, [256], [0, 256])
    plt.figure()  # 新建一个图像
    plt.title("Grayscale Histogram")  # 图像的标题
    plt.xlabel("Bins")  # X轴标签
    plt.ylabel("# of Pixels")  # Y轴标签
    plt.plot(hist)  # 画图
    plt.xlim([0, 256])  # 设置x坐标轴范围
    plt.show()  # 显示图像

参考：
http://www.cnblogs.com/tianyalu/p/5687782.html
http://blog.csdn.net/superjunenaruto/article/details/52431941
http://blog.csdn.net/jnulzl/article/details/47171549

就这样，拜拜~