【OpenCV 例程300篇】50. 直方图处理之直方图统计量图像增强

『youcans 的 OpenCV 例程300篇 - 总目录』

【youcans 的 OpenCV 例程300篇】50. 直方图处理之直方图统计量图像增强

图像直方图是反映图像像素分布的统计表。 灰度直方图是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数。

直方图统计量图像增强，是基于直方图的统计量信息（如均值和方差）对图像的灰度和对比度进行调整。直方图统计量不仅用于图像的全局增强，在图像局部增强中更加有效。

局部均值和方差是根据像素邻域特征进行灰度调整的基础。像素邻域的局部均值是平均灰度的测度，局部方差是对比度的测度。使用局部均值和方差可以开发出简单而强大的图像局部增强算法。

以下基于 Rafael C. Gonzalez “Digital Image Processing (4th.Ed.)” 中的方法和案例进行介绍。

增强后的图像 g(x,y) 与原始图像 f(x,y) 的修正公式为：

$$\begin{gathered} g(x,y)=\{\begin{array}{l}C\ast f(x,y),(k_0{m}_G<m(S_{xy})<k_1{m}_G)and(k_2{\sigma }_G<\sigma (S_{xy})<k_3{\sigma }_G)\\ f(x,y),\end{array} \\ C=max(r_{Global})/max(r_{ROI}) \end{gathered}$$

如果待增强区域相对平均灰度更暗，可以选择 $k_0=0,k_1=0.1$；如果待增强区域的对比度很低，可以选择 $k_2=0,k_3=0.1$。

需要指出的是，这种方法只对某些特殊类型的图像有效，而且需要针对具体图像进行 ROI 设置和参数调节，才能取得较好的图像增强效果。

基本例程：1.63 直方图统计量图像增强

    # # 1.63 直方图统计量图像增强
    img = cv2.imread("../images/Fig0326a.tif", flags=0)  # flags=0 读取为灰度图像

    imgROI = img[12:120, 12:120]
    maxImg, maxROI = img.max(), imgROI.max()
    const = maxImg / maxROI
    imgHSE = enhanceHistStat(img, const)  # 子程序：直方图统计量增强 (自定义方法)

    plt.figure(figsize=(10, 6))
    plt.subplot(131), plt.title("Original image"), plt.axis('off')
    plt.imshow(img, cmap='gray', vmin=0, vmax=255)
    plt.subplot(132), plt.title("Global equalize histogram"), plt.axis('off')
    imgEqu = cv2.equalizeHist(img)  # 使用 cv2.qualizeHist 完成直方图均衡化变换
    plt.imshow(imgEqu, cmap='gray', vmin=0, vmax=255)
    plt.subplot(133), plt.title("Histogram statistic enhance"), plt.axis('off')
    plt.imshow(imgHSE, cmap='gray', vmin=0, vmax=255)
    plt.show()

（本节完）

---

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125112487)
Copyright 2022 youcans, XUPT
Crated：2021-11-18