直方图统计与直方图均值化:
1 直方图统计
研究:对该图像进行直方图统计,并画出直方图。
假设:该图像的直方图主要分布在0-256区间的左边。
假设的原因:该图像颜色整体是暗色。
实验分析:
数字图像本质是矩阵,定义像素灰度值区间为0-256获得图像的行和列,依次统计像素灰度值的个数。
def histogram(grayfig):#直方图
x = grayfig.shape[0]#行
y = grayfig.shape[1]#列
ret = np.zeros(256)#灰度区间
for i in range(x):#遍历统计灰度值
for j in range(y):
ret[grayfig[i][j]] += 1
return ret
实验结果:
2 均衡化直方图与图像
研究:对该图像进行均衡化直方图统计,并画出均衡化直方图,最后与原图像以及原直方图进行对比。
假设:均衡化后,图像会变亮,且均衡直方图灰度分布更加均匀。
假设的原因:Sk = T(rk)会扩展输入直方图的宽度,使均衡化的图像的灰度级覆盖范围更宽,进而增加图像的对比度。
实验分析:
利用 S k = ( L − 1 ) ∑ j = 0 k p r ( r j ) S_k = (L-1)\sum^k_{j=0}p_r(r_j) Sk=(L−1)∑j=0kpr(rj),计算均衡化直方图的值,然后对各个灰度值进行均衡化映射。
def junhenghua(a, image): # 入口参数:灰度像素数和图片
b = [0] * 256 # 储存个灰度像素占比数据
c = [0] * 256 # 储存累计分布数据
w = image.shape[0]
h = image.shape[1]
mn = w * h * 1.0
img = np.zeros([w, h], np.uint8) # 创建空数组储存均衡化后数据
# 计算灰度分布密度
for i in range(len(a)):
b[i] = a[i] / mn
# 计算累计直方图数据
for i in range(len(c)):
if i == 1:
c[i] = b[i]
else:
c[i] = c[i - 1] + b[i]
a[i] = int(255 * c[i])
# 对各灰度值进行均衡化映射
for i in range(w):
for j in range(h):
img[i, j] = a[image[i, j]]
return img # 返回均衡化后图像
实验结果
原图像直方图为蓝色,均衡化直方图为橙色,均衡化直方图比原直方图灰度范围更宽,对比度更高。
总代码
import cv2
import numpy as np
import matplotlib.pyplot as plt
def histogram(grayfig):
x = grayfig.shape[0]#行
y = grayfig.shape[1]#列
ret = np.zeros(256)#灰度区间
for i in range(x):#遍历统计灰度值
for j in range(y):
ret[grayfig[i][j]] += 1
return ret
# 将图像均衡化
def junhenghua(a, image): # 入口参数:灰度像素数和图片
b = [0] * 256 # 储存个灰度像素占比数据
c = [0] * 256 # 储存累计分布数据
w = image.shape[0]
h = image.shape[1]
mn = w * h * 1.0
img = np.zeros([w, h], np.uint8) # 创建空数组储存均衡化后数据
# 计算灰度分布密度
for i in range(len(a)):
b[i] = a[i] / mn
# 计算累计直方图数据
for i in range(len(c)):
if i == 1:
c[i] = b[i]
else:
c[i] = c[i - 1] + b[i]
a[i] = int(255 * c[i])
# 对各灰度值进行均衡化映射
for i in range(w):
for j in range(h):
img[i, j] = a[image[i, j]]
return img # 返回均衡化后图像
img = cv2.imread('homework.jpg',0)#读取图片
hist = histogram(img)#计算直方图
plt.bar(range(256), hist)#画条形图
#s,his = his(img)#计算直方图
s = junhenghua(hist, img)
cv2.imshow('junhenghua',s)
cv2.waitKey(0)
shist = histogram(s)#计算直方图
plt.bar(range(256), shist)#画条形图
plt.show()