Humbunklung的专栏

是图像处理领域中利用图像直方图对对比度进行调整的方法，通过拉伸像素强度分布范围来增强图像对比度。要使用其作为映射函数，我们必须对最大值为255 (或者用图像的最大强度值) 的累积分布。到另一个分布 (一个更宽更统一的强度值分布)，从而令强度值分布会在整个范围内展开。最后，我们使用一个简单的映射过程来获得均衡化后像素的强度值，假设原图为。以 OpenCV 为例，其直方图均衡化函数为。均衡化指的是把一个分布 (给定的直方图)要想实现均衡化的效果，映射函数应该是一个。，均衡化后像素强度值。

对于直方图的比较，我们可以使用 OpenCV 提供的函数 `compareHist()` 进行比较，从而得到一个数值，表示两个直方图的匹配程度（相似性）。

【代码】Python使用matplotlib计算并绘制图像的直方图。

根据统计影像中不同亮度的像素总数，我们可以画出一张代表这张影像的影像直方图，透过这张直方图我们可以一眼就看出这张图中像素的分布情形。 因此，直接通过 `cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)` 读入的灰度图和 `cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)` 转换的灰度图，是不一样的，在开发时需要注意这个问题。

要处理或显示 Alpha 通道的话，我们需要确保图像处理函数能够处理四通道的图像，或者在必要时分离 Alpha 通道进行独立处理。例如，使用 cv2.split() 函数来分离 Alpha 通道，或者使用 cv2.merge() 函数将 Alpha 通道合并回 RGB 图像中。这个标志的数值是 -1。注意，OpenCV 的窗口默认并不支持透明度，所以在显示图像时，Alpha 通道可能不会产生视觉上的透明效果。读取后的图像 img 将是一个四通道数组，其中第四个通道是 Alpha 通道。

原图：处理后：显然，这个结果并不美丽，我们可以尝试修改参数修正，但结果总是难以令人满意。于是采用更好更省事的办法，引用rembg库，调用u2net模型，去除背景。

将两幅图添加起来，构成一幅新的图像，并尝试将一个PNG的透明背景转换为特定的颜色。矩阵操作 图像相加 透明背景 颜色转换

仿射变换 OpenCV这个文档的示例代码中，C++代码和Python代码并不匹配，Python代码中的dstTri第一个点的y坐标，shape[1]应为shape[0]（见本文示例代码）。在OpenCV中，我们可以通过cv::getAffineTransform函数求解仿射矩阵或cv::getRotationMatrix2D，求解二维旋转矩阵。仿射变换是一种可以表达为乘以一个矩阵（线性变换）再加上一个向量（平移）的变换。由此可见，在图像处理当中，仿射变换本质上反映了两个图像之间的关系。2. 仿射变换的求解。