python opencv histogram均衡

最新推荐文章于 2021-11-01 13:54:37 发布

兔子家的鱼

最新推荐文章于 2021-11-01 13:54:37 发布

阅读量1.7w

点赞数

分类专栏： python

本文链接：https://blog.youkuaiyun.com/TingHW/article/details/84560288

版权

python 专栏收录该内容

47 篇文章

订阅专栏

直方图均衡化是一种用于提升图像对比度的技术，通过拉伸图像像素的分布范围。在OpenCV中，对比度受限的自适应直方图均衡化将图像划分为小块，对每个小块进行均衡化处理。为了避免噪声放大，当块内的histogram超过一定对比度阈值（默认40）时，会进行对比度限制。最后，使用双线性插值消除瓷砖边界效应。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一个好的图片应该是有所有范围的像素。所以我们需要把histogram拉伸到两端，这就是histogram均衡。这个一般是用来提升图片的对比度。

# Numpy的实现

import cv2
import  numpy as np
from matplotlib import pyplot as plt
%matplotlib inline
img = cv2.imread('tuzi.jpg')
hist,bins = np.histogram(img.flatten(),256,[0,256])

cdf = hist.cumsum(0) #累计求和
cdf_normalized = cdf * hist.max()/ cdf.max()
plt.plot(cdf_normalized, color = 'b')
plt.hist(img.ravel(),256,[0,256], color = 'r')
plt.xlim([0,256])
plt.legend(('cdf','histogram'), loc = 'upper left')
plt.show()

png

cdf_m = np.ma.masked_equal(cdf,0)
cdf_m = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())
cdf = np.ma.filled(cdf_m,0).astype('uint8')
img2=cdf[img]
cv2.imshow('img2',img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 彩色的


# opencv实现直方图均衡化
# 黑白的
img = cv2.imread('tuzi.jpg',0)
equ = cv2.equalizeHist(img)
res = np.hstack((img,equ)) #stacking images side-by-side
cv2.imshow('equ',equ)
cv2.waitKey(0)
cv2.destroyAllWindows()

对比度受限自适应直方图均衡
在这里，图像被分成小块，这些小块叫做瓷砖（瓷砖的大小在OpenCV里默认是8x8）。然后这些小块还和平常一样做均衡，所以在小块里，histogram是在小范围内的，如果有噪点，会被放大。要避免这个，要应用对比度限制。如果任何histogram 高于特定的对比度限制（OpenCV里默认是40），那些像素会被修剪掉并被无变化的放到其他然后再做histogram均衡。均衡后，要移除瓷砖边界的人工因素，要应用双线性插值。

import numpy as np
import cv2

img = cv2.imread('tuzi.jpg',0)
# create a CLAHE object (Arguments are optional).
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)

cv2.imshow('tuzi',cl1)
cv2.waitKey(0)
cv2.destroyAllWindows()

import numpy as np
import cv2

img = cv2.imread('tuzi.jpg')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(hsv)

cv2.imshow('tuzi',img)
cv2.waitKey(0)
cv2.destroyAllWindows()