14、图像直方图处理与阈值技术详解

图像直方图处理与阈值技术详解

1. 直方图计算性能对比

在计算图像直方图时，不同的库函数有着不同的性能表现。通过对 comparing_opencv_numpy_mpl_hist.py 脚本的输出分析可知， cv2.calcHist() 比 np.histogram() 和 plt.hist() 更快。因此，从性能角度考虑，推荐使用 OpenCV 的 cv2.calcHist() 函数来计算直方图。

2. 直方图均衡化

直方图均衡化是图像处理中一项重要的技术，它可以用于调整图像的亮度和对比度。下面将分别介绍灰度图像和彩色图像的直方图均衡化方法。

2.1 灰度图像直方图均衡化

使用 OpenCV 的 cv2.equalizeHist() 函数对灰度图像进行对比度均衡化非常简单。以下是示例代码：

import cv2

image = cv2.imread('lenna.png')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray_image_eq = cv2.equalizeHist(gray_image)

在 grayscale_histogram_equalization.py 脚本中，对三张图像进行了直方图均衡化处理：原始灰度图像、每个像素