直方图均衡化

对下面cat.jpg进行直方图均衡化处理

1.基本思想

（1）统计灰度相同的像素点的个数，范围是[0,255]；

（2）计算灰度分布密度，即统计后的每个灰度的个数除以图像的大小（总像素的个数）；

（3）计算累计直方图，每个灰度值再乘以255，取整；

（4）对灰度进行重新映射，将原图像中的像素的灰度值替换成第（3）步累计直方图中的灰度值，完成均衡化处理。

2.代码如下（matlab实现）

I = imread('cat.png');

[height,width] = size(I);

figure

subplot(221)

imshow(I)%显示原始图像

subplot(222)

imhist(I)%显示原始图像直方图

%进行像素灰度统计;

NumPixel = zeros(1,256);%统计各灰度数目，共256个灰度级

for i = 1:height

    for j = 1: width

        NumPixel(I(i,j) + 1) = NumPixel(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一

    end

end

%计算灰度分布密度

ProbPixel = zeros(1,256);

for i = 1:256

    ProbPixel(i) = NumPixel(i) / (height * width * 1.0);

end

%计算累计直方图分布

CumuPixel = zeros(1,256);

for i = 1:256

    if i == 1

        CumuPixel(i) = ProbPixel(i);

    else

        CumuPixel(i) = CumuPixel(i - 1) + ProbPixel(i);

    end

end

%累计分布取整（四舍五入）

CumuPixel = uint8(255 .* CumuPixel + 0.5);

%对灰度值进行映射（均衡化）

for i = 1:height

    for j = 1: width

        I(i,j) = CumuPixel(I(i,j)+1);

    end

end

subplot(223)

imshow(I)%显示均衡化后图像

subplot(224)

imhist(I)%显示均衡化后的直方图

3.运行结果

调用OpenCv中的equalizeHist函数实现直方图均衡化

import cv2

import matplotlib.pyplot as plt

img = cv2.imread(r"C:\Users\pc\Desktop\cat.jpg",0)

cv2.imshow('img',img)

#统计像素点的个数

hist = cv2.calcHist([img],[0],None,[256],[0,255])

plt.plot(hist,color='r')

#图像均衡化处理

img1 = cv2.equalizeHist(img)

cv2.imshow('img1',img1)

hist1 = cv2.calcHist([img1],[0],None,[256],[0,255])

plt.plot(hist1,color='b')

结果如图所示：

4.思考和总结

直方图均衡化是图像增强的一种方法，它使图像看上去更加的饱满、平衡。