OpenCV使用直方图均衡，修正曝光过度和曝光不足的图片

王小鹏鹏

已于 2025-02-20 17:37:09 修改

阅读量1.7w

点赞数 13

CC 4.0 BY-SA版权

分类专栏： OpenCV 文章标签： opencv 人工智能计算机视觉

于 2019-07-29 14:27:31 首次发布

本文链接：https://blog.youkuaiyun.com/kingroc/article/details/97640529

OpenCV 专栏收录该内容

78 篇文章

订阅专栏

本文介绍了如何利用OpenCV的直方图均衡化技术来修正曝光过度和曝光不足的图片，通过图像直方图的讲解和代码示例展示了直方图均衡化的效果，实现了对多通道图像的处理，从而改善图像质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《OpenCV系列教程》
《深度学习-如何提高数据集质量》

项目位置：OpenCV-Sample
代码位置：39-equalizeHist.py

图像直方图讲解

如果用一句话来表示的话，那就统计每个像素点数值出现的次数，如下图：
在这里插入图片描述
这里是一张图片，里面表示的是灰度数值，灰度值为1的有4个点，灰度值为2的有7个数值，灰度值为3的有5个。如果表示为直方图的形式就是下面的状态了。

这里用直方图的形式对像素数值进行了展示。

使用直方图均衡修正的图片对比

曝光过度	曝光不足


通过修复，图像有了很大的改进。
直方图效果对比：

代码部分

这里面支持对多通道的均衡处理

import cv2
import numpy as np
from matplotlib import pyplot as plt


def main():
    Overexpose = cv2.imread("res/Overexposed.jpg")
    underexpose = cv2.imread("res/underexposed.jpg")
    #cv2.imshow("Over", Overexpose)
    #cv2.imshow("under", underexpose)
    plt.figure(1)

    plt.subplot(4,2,1)
    plt.imshow(Overexpose)

    plt.subplot(4,2,2)
    plt.imshow(underexpose)

    plt.subplot(4, 2, 3)
    chans = cv2.split(Overexpose)
    colors = ("b", "g", "r")
    for (chan, color) in zip(chans, colors):
        hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])

    plt.subplot(4, 2, 4)
    chans = cv2.split(underexpose)
    colors = ("b", "g", "r")
    for (chan, color) in zip(chans, colors):
        hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])

    plt.subplot(4, 2, 5)
    equalizeOver = np.zeros(Overexpose.shape, Overexpose.dtype)
    equalizeOver[:, :, 0] = cv2.equalizeHist(Overexpose[:, :, 0])
    equalizeOver[:, :, 1] = cv2.equalizeHist(Overexpose[:, :, 1])
    equalizeOver[:, :, 2] = cv2.equalizeHist(Overexpose[:, :, 2])
    plt.imshow(equalizeOver)
    cv2.imwrite('./out/equlizeOver.jpg', equalizeOver)
#    cv2.imshow('equalizeOver', equalizeOver)

    plt.subplot(4, 2, 6)
    equalizeUnder = np.zeros(underexpose.shape, underexpose.dtype)
    equalizeUnder[:, :, 0] = cv2.equalizeHist(underexpose[:, :, 0])
    equalizeUnder[:, :, 1] = cv2.equalizeHist(underexpose[:, :, 1])
    equalizeUnder[:, :, 2] = cv2.equalizeHist(underexpose[:, :, 2])
    plt.imshow(equalizeUnder)
    cv2.imwrite('./out/equalizeunder.jpg', equalizeUnder)

    plt.subplot(4, 2, 7)
    chans = cv2.split(equalizeOver)
    colors = ("b", "g", "r")
    for (chan, color) in zip(chans, colors):
        hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])

    plt.subplot(4, 2, 8)
    chans = cv2.split(equalizeUnder)
    colors = ("b", "g", "r")
    for (chan, color) in zip(chans, colors):
        hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])

    plt.show()
    cv2.waitKey(0)

if __name__ == '__main__':
    main()