彩色图像直方图均衡化opencv的python实现

最新推荐文章于 2024-11-10 06:54:51 发布

OpenAppAI

最新推荐文章于 2024-11-10 06:54:51 发布

阅读量2.7k

点赞数 2

分类专栏：人工智能文章标签： opencv

本文链接：https://blog.youkuaiyun.com/my_name_is_learn/article/details/104036457

版权

人工智能专栏收录该内容

62 篇文章

订阅专栏

本文探讨了直方图均衡化技术在改善图像对比度和灰度级分布中的应用。通过均衡化，图像的灰度级得以均匀分布，从而增强视觉效果。文章详细介绍了两种均衡化方法，并提供了使用Python进行图像处理的示例代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果一副图像具有全部可能的灰度级，并且像素值的灰度均匀分布，那么这副图像就具有高对比度和多变的灰度色调。灰度级丰富且覆盖范围较大。在外观上这样的图像具有更加丰富的色彩，不会过暗或者过亮。
直方图均衡化的主要目的是将原始图像的灰度级均匀地映射到整个灰度级范围内，得到一个灰度级分布均匀的图像

直方图均衡化的两种方法：
第一在原有范围内实现均衡化。在原有的范围内实现直方图均衡化是，用当前灰度级的累计概率乘以当前灰度级的最大值，得到新的灰度级

第二在更广泛的为范围内实现均衡化
在更广泛的范围内实现直方图均衡化时，用当前灰度级的累计概率乘以更加广泛范围内的灰度级的最大值，得到新的灰度级，并作为均衡化的结果

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

img = cv2.imread('../data/1.jpg')

img0 = cv2.equalizeHist(img[:, :, 0])  # 各个通道分别均衡化
img1 = cv2.equalizeHist(img[:, :, 1])
img2 = cv2.equalizeHist(img[:, :, 2])

img_e = cv2.merge([img0, img1, img2])

plt.figure('original')
plt.hist(img.ravel(), 256)
plt.figure('after')
plt.hist(img_e.ravel(), 256)
plt.show()

cv2.imshow('img', img)
cv2.imshow('e_img', img_e)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('../data/equ.jpg', img_e)