python实现直方图均衡化(HE)

最新推荐文章于 2025-06-03 15:52:59 发布
最新推荐文章于 2025-06-03 15:52:59 发布
阅读量9.7k 收藏 24
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 学习日记 文章标签： 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_30967115/article/details/85210870
本文介绍了直方图均衡化(Histogram Equalization)的概念，它通过对图像进行非线性拉伸来重新分配像素值，使得图像的灰度分布更均匀。通过灰度化图像并绘制直方图，利用直方图的累计分布函数(CDF)计算新的像素值，最终实现图像的直方图均衡化，显著提升图像对比度。文章提供了从计算像素占比到生成均衡化图像的详细步骤和效果展示。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

简介：
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等…(具体百度 or Google)

首先我们要对图像进行灰度化并画出它的直方图，灰度化在前一篇博客已经讲了，这里简要介绍一下如何画出直方图。
hist函数参数解析

#将灰度图(512,512)转化为一维的数据(262144,)
img_gray_1D = img_gray.flatten() # img_gray_1D(262144,)
_,_,_ = plt.hist(img_gray_1D,bins=256,normed=0)# 绘制直方图
plt.show()

效果：

公式三部曲
1、对0～255这256个像素值计算图像的像素占比
P ( S k ) = n k N P(S_{k}) = \frac{n_{k}}{N} P(Sk​)=Nnk​​

最低0.47元/天 解锁文章

200万优质内容无限畅学
数字图像处理之直方图均衡化及其python代码实现
mohen_777的博客
06-17 417
直方图均衡化的目的: 寻找变换函数, 该函数产生有均匀直方图的输出图像. 也就是得到一幅灰度级丰富且动态范围大的图像;直方图均衡化的关键: 寻找变换函数, 该函数产生有均匀直方图的输出图像.该函数仅仅依靠输入图像直方图中的信息就可以自动达到这一点;
OpenCV--Python 图像增强（线性变换，直方图正规化，伽马变换，全局直方图均衡化，限制对比度的自适应直方图均衡化）_cv2直方图正规化
2401_87368909的博客
09-21 999
pixelSequence = img.reshape([h * w, ]) numberBins = 256 histogram, bins, patch = plt.hist(pixelSequence, numberBins, facecolor=‘black’, histtype=‘bar’) plt.xlabel(“gray label”) plt.ylabel(“number of pixels”) plt.axis([0, 255, 0, np.max(histogram)]) plt.sho
Python直方图处理(直方图均衡化、规定化)
weixin_43752269的博客
04-08 5026
② GML单映射的实现原理是：首先计算原始图像和规定目标的累计直方图（将统计直方图归一化到(0, 1)之间，再计算累计概率分布函数），然后对原图像的累计直方图进行分组：先在原图像的累计直方图中找到与目标直方图的每个灰度值距离最近的点（如下图的所示的 0→3；① SML单映射的实现原理是：首先计算原始图像和规定目标的累计直方图（将统计直方图归一化到(0, 1)之间，再计算累计概率分布函数），然后对原图像的累计直方图寻求一一映射关系（每个灰度值映射到与目标的累计直方图最近的点）。
python直方图均衡_python – 局部直方图均衡
weixin_39828338的博客
12-04 359
我试图在python中使用一些图像分析(我必须使用python).我需要进行全局和局部直方图均衡化.全局版本运行良好,但本地版本使用7×7足迹,结果非常差.这是全球版本：import matplotlib.pyplot as pltimport matplotlib.image as mpimgfrom scipy import ndimage,miscimport scipy.io as io...
python直方图
最新发布
m0_69648014的博客
06-03 315
Matplotlib是最基本的绘图库，提供了强大的绘图功能，但可能需要更多的代码来设置样式。Seaborn是基于Matplotlib的高级绘图库，提供了更美观和更易于使用的绘图接口，非常适合快速绘制美观的图表。Pandas提供了在其DataFrame对象上直接绘制直方图的方法，非常适合在数据分析和处理过程中进行可视化。
Python实现直方图均衡
qq_44924355的博客
10-21 401
def Read_raw(filename,w,h): #初始化image image=[] for i in range(3*h): image.append([]) for j in range(w): image[i].append(255) #读取raw with open(filename,'rb') as f: data=f.read() #写入raw for i in
图像直方图均衡化算法 python实现
热门推荐
Ibelievesunshine的博客
03-17 1万+
一. 直方图均衡化： 直方图均衡化是使图像直方图变得平坦的操作。直方图均衡化能够有效地解决图像整体过暗、过亮的问题，增加图像的清晰度。 具体流程如下所示。其中S是总的像素数，Zmax是像素的最大取值(8位灰度图像为255)，h(i)为图像像素取值为 i 及 小于 i 的像素的总数。 直方图均衡化算法 ↑ 二. python实现直方图均衡化操作 imp...
数字图像处理02：直方图均衡化imhist函数的python实现
xiaoheizi_du的博客
01-22 3969
数字图像处理02：直方图均衡化imhist函数的python实现 6、整体代码 # -*- coding: utf-8 -*- """ Created on Sun Jan 20 09:20:58 2019 @author: ChengGD ""&am
图像直方图均衡化：Python实现直方图均衡化、直方图相似度检测、Python实现直方图反向投影
小开的学习笔记
04-03 2898
本文内容 直方图的定义及其特性 直方均衡化的及其Python实现 图片相似度检测算法及其Python实现 直方图反向投影及其Python实现 (所有代码可在我的GitHub找到，传送门： https://github.com/Panacea1999/image_algorithms/tree/main/histogram_algorithms) 直方图的定义及特性 直方图是对数据分布的一种准确的图形表示，对于连续数据和离散数据都适用。横轴代表数值（连续数据）或其类型（离散数据），纵轴代表样本空间中每一种
五种直方图均衡化的方法
10-30
第二种方法是自行实现的直方图均衡化（HE）。这种方法不依赖于任何外部库，而是通过计算图像的累积分布函数（CDF）并应用到每个像素上，从而实现直方图的均衡化。这种方法的难度较高，但可以让我们更深入地理解直方...
图像增强 -- 直方图均衡化及其python实现
Sail的博客
11-25 1万+
直方图均衡化及其python实现 #数字图像处理 文章目录直方图均衡化及其python实现展示效果理论简介什么是直方图均衡化流程图：代码： 展示效果 先上一下均衡化的效果： 左图是均衡化之前，右图是均衡化之后。 理论简介 代码在最下面，没有使用 opencv，主要基于numpy，这里主要方便我之后回顾以及同我一样的初学者整理。 若相对纯粹的理论来由学习，建议详细了解相关资料 什么是直方图 先引出《数字图像处理-第三版-冈萨雷斯》中3.3节第一段对直方图的介绍，我再简单介绍一下。 简单来说，直方图可以看做
pythonProject2_HSV_rgb_直方图均衡化_图像处理_
10-03
1、读取一张图片，将其转换为HSV空间\对RGB三个通道分别画出其三维图（提示：polt_sufface函数）2、读取彩色图像home_color；画出灰度化图像home_gray的灰度直方图，并拼接原灰度图与结果图；3、画出彩色home_color图像的直方图，并拼接原彩色图与结果图，且与上一问结果放在同一个窗口中显示；4、画出ROI（感兴趣区域 ）的直方图，ROI区域为 x：50-100，y：100-200，将原图home_color，ROI的mask图，ROI提取后的图及其直方图放在一个窗口内显示。5、编程实现直方图均衡化，给出测试效果
python直方图均衡化
11-07
直方图均衡化的python的代码，新手python入门写的代码。
python 对一幅灰度图像进行直方图均衡化
12-16
from PIL import Image from pylab import * from numpy import * def histeq(im,nbr_bins = 256): """对一幅灰度图像进行直方图均衡化""" #计算图像的直方图 #在numpy中，也提供了一个计算直方图的函数histogram(),第一个返回的是直方图的统计量，第二个为每个bins的中间值 imhist,bins = histogram(im.flatten(),nbr_bins,normed= True) cdf = imhist.cumsum() # cdf = 255.0 *
python实现灰度直方图均衡化
04-05
使用python语言实现的灰度图的直方图均衡化！！！！！！
直方图均衡化源码(简单版)
12-18
直方图均衡化源码 - 代码简单 - 可直接运行 - 结果可视化
【数字图像处理】小白也能懂，最浅显方式手撕直方图均衡化（附python实现）
fbzhl的博客
09-30 1504
大白话方式介绍直方图均衡化，不懂概率论也能看懂，适合定性理解，内附python实现代码
python股票直方图代码_python中最有效的直方图代码
weixin_39760389的博客
12-04 152
I've seen a number of questions on making histograms in clean one-liners, but I haven't yet found anyone trying to make them as efficiently as possible. I'm currently creating a lot of tfidf vectors f...
直方图均衡化（python实现）
Maryhuan的博客
10-17 8857
直方图均衡化 用途：  通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好
HE直方图均衡化原理
02-05
### HE直方图均衡化原理 #### 原理概述 直方图均衡化（Histogram Equalization, HE）是一种用于增强图像对比度的技术。其核心思想在于重新分配像素的灰度值，使这些灰度值在整个可能范围内尽可能均匀分布[^1]。 具体来说，在理想情况下，经过处理后的图像应该具有平坦的直方图，即每个灰度级出现的概率相等。这可以通过累积分布函数(CDF)映射原图中的各灰阶到新的灰阶来达成。CDF定义如下： \[ CDF(i)=\sum_{j=0}^{i} p(j), \quad i=0,1,...,L-1 \] 其中 \(p(j)\) 表示第 j 个灰度级别的概率密度，\( L \) 是总的灰度级别数。对于8位灰度图像而言，\( L = 256 \)[^4]。 #### 实现过程 为了实现这一目标，通常按照以下几个方面来进行计算： 1. **构建原始图像的直方图**：统计各个灰度等级上像素的数量； 2. **计算累计分布频率**：基于上述得到的直方图数据求取每一个灰度值对应的累加比例； 3. **应用线性拉伸公式**：利用所得的比例关系对原有像素值做变换，形成新图片； 4. **生成最终结果**：完成以上步骤之后即可获得经由HE优化过的版本[^2]。 下面是Python环境下简单的HE算法实现代码片段: ```python import cv2 import numpy as np from matplotlib import pyplot as plt def hist_equalize(image_path): img = cv2.imread(image_path, 0) # 计算并绘制原始图像直方图 plt.hist(img.ravel(), bins=256, range=[0, 256]) plt.show() equ = cv2.equalizeHist(img) # 显示均衡化后的图像及其直方图 res = np.hstack((img, equ)) cv2.imshow('Equalized Image', res) plt.figure() plt.hist(equ.ravel(), bins=256, range=[0, 256], color='r') plt.title("After Histogram Equalization") plt.show() hist_equalize('your_image.png') # 替换为实际路径名 ``` 此段脚本首先读入一张灰度模式下的输入文件，接着调用了OpenCV库内的`equalizeHist()` 函数执行标准形式上的直方图均衡操作，并最后展示了处理前后的视觉差异以及相应的直方图表征。
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值