Python如何实现均直方图均衡化
作者：一米阳光zw
这篇文章主要介绍了Python如何实现均直方图均衡化问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
简介
通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
直方图均衡化通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。
直方图均衡技术将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布， 由于其算法简单， 无需借助外来因素的参数设置，可以自成系统的运行， 有效地增强图像对比度， 是一种常用的图像增强方法. 一直以来， 直方图均衡技术受到各个领域的重视， 比如在消费类电子产品邻域， 在均衡图像的同时希望保持图像的亮度信息
直方图的计算
实现代码
import cv2
import matplotlib.pyplot as plt
import numpy as np
# 定义matshow方法
def matshow(title='image', image=None, gray=False):
if isinstance(image, np.ndarray):
if len(image.shape) == 2:
pass
elif gray:
# 转换成GRAY格式
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
else:
# 图片默认BGR通道，将突破转换成RGB
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 使用这种方式显示图片可能会导致图片显示畸形
# cv2.imshow('image', image)
plt.figure()
# 载入图像
plt.imshow(image, cmap="gray")
# 设置标题
plt.title(title)
plt.show()
if __name__ == '__main__':
im = cv2.imread('data/lena.jpg', 0)
matshow('im', im)
# 绘制直方图
plt.hist(im.ravel(), 256, [0, 256])
plt.show()
# 均衡化处理
im_equ1 = cv2.equalizeHist(im)
matshow('im_equ1', im_equ1)
# 绘制均衡化处理的直方图
plt.hist(im_equ1.ravel(), 256, [0, 256])
plt.show()效果图
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。