openCV+Python 数字图像处理（7）——直方图均衡化

1.基本概念

直方图是图像的一个重要统计特征。
直方图均衡化可以调整图像对比度，是图像增强的一个手段。
直方图均衡化又可分为全局直方图均衡化和局部自适应均衡化。
openCV的直方图均衡化都是基于灰度图的。

2.API 介绍

• （1）全局直方图均衡化

cv2.equalizeHist(src: Any, dst: Any = None)

src: 必须为灰度图像
全局的均衡化会存在一些问题，由于整体亮度的提升，会使得局部图像的细节变得模糊，因为我们需要进行分块的局部均衡化操作

• （2）局部自适应直方图均衡化

cv2.createCLAHE(clipLimit: Any = None, tileGridSize: Any = None)

clipLimit： 颜色对比度的阈值
titleGridSize： 进行均衡化的网格大小

3.代码示例

import cv2
car = cv2.imread('E:/PycharmProjects/gray.jpg')
from matplotlib import pyplot as plt

def show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)

show('img', car)

# 1.全局直方图均衡化
def equalhist_img(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    plt.hist(gray.ravel(), 256, [0, 256])  # ravel功能是将多维数组降为一维数组
    plt.show()
    dst = cv2.equalizeHist(gray)
    show('equalhist', dst)
    plt.hist(dst.ravel(), 256, [0, 256])
    plt.show()
equalhist_img(car)

# 2.局部直方图均衡化
def clahe_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    plt.hist(gray.ravel(), 256, [0, 256])  # ravel功能是将多维数组降为一维数组
    plt.show()
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(3, 3))
    dst = clahe.apply(gray)
    show('clahe', dst)
    plt.hist(dst.ravel(), 256, [0, 256]) 
    plt.show()

clahe_demo(car)

cv2.destroyAllWindows()

4.结果展示