OpenCV Histogram Equalization

最新推荐文章于 2024-11-10 13:05:19 发布
最新推荐文章于 2024-11-10 13:05:19 发布
阅读量737 收藏
点赞数
CC 4.0 BY-SA版权
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.youkuaiyun.com/qq_38973721/article/details/105655980
本文旨在介绍直方图均衡化的概念及其在改善图片对比度中的应用。当图像像素值集中在某一范围内时，直方图均衡化会通过拉伸像素分布来增强图像对比度。首先，我们利用Numpy实现直方图均衡化，观察到高灰度值的集中现象，并通过转换函数将集中分布的直方图映射到更宽的范围。然后，探讨了OpenCV中的cv2.equalizeHist()函数，该函数适用于灰度图像，能有效提升对比度。最后，提到了局部自适应直方图均衡化（CLAHE），它将图像划分为小块并分别均衡化，特别适用于像素变化幅度较小的区域。

Goal:
Learning the concept of histogram equailze and how to use it to improve the contrast of pictures

Theory:
If most of the pixel values in an images are concentrated in one pixel range.For example, if a picture is bright as a whole, all pixels should be very high, but the pixel value distribution of a high quality image should be very wide.So we should horizontally stretch the histogram.
In general,this operation will improve the contrast of the image.
在这里插入图片描述
First we use Numpy for histogram equlaization, and then learn how to use OpenCV for it.

Numpy


                

                
                
        

    


  


        

                

                  

                  

                  了解本专栏
                  
                  
                    
                  订阅专栏 解锁全文
                   
                  
                    
                    超级会员免费看
                  
                

            
            
            
        


    



                



	

		

			

				
					
OpenCV直方图均衡Histogram Equalization

				
			

			

				

					希望我的博客，能帮上你解决学习中工作中所遇到的问题
				

				

					04-20
					
					527
					
				

			

		

		

			
				
OpenCV直方图均衡Histogram Equalization直方图均衡Histogram Equalization目标理论什么是图像直方图？什么是直方图均衡化？它是如何工作的？代码解释结果
直方图均衡Histogram Equalization
目标
在本教程中，您将学习：
什么是图像直方图以及为什么有用
通过使用OpenCV函数cv :: equalizeHist均衡图像的直方图
理论
什么是图像直方图？
它是图像强度分布的图形表示。
它为所考虑的每个强度值量化像素数。

什么是直方图均衡化？
这是

			
		

	



                

            
              



	

		

			

				
					
Histogram Equalization

				
			

			

				

					Parisiten的博客
				

				

					06-18
					
					4905
					
				

			

		

		

			
				
推导过程：首先我们将原图像的像素值缩放到0-1的范围得到：f(x)，对其直方图标准化以得到原图像的PDF（概率分布函数）：P(f)，为了更好的进行推导，我们不妨假设这个f(x)是连续可导的。我们的目标是求出一个T变换（可差分、单调递增、可逆），使得目标图像g(x)满足：        目标图像g(x)的概率分布P(g)满足均匀分布：          根据《概率论与数理统计第四版》(盛骤等)第二章...

			
		

	



              


  
              

                


	

		

			

				
					
【OpenCV C++20 学习笔记】直方图均衡化-Histogram Equalization

				
			

			

				

					TeamLee的博客
				

				

					08-09
					
					1271
					
				

			

		

		

			
				
本文简单介绍了OpenCV中直方图均衡化的原理和实现方法，以及equalizeHist()函数的用法

			
		

	





	

		

			

				
					
opencv  Histogram Equalization 直方图均衡。

				
			

			

				

					youandme520的专栏
				

				

					08-30
					
					454
					
				

			

		

		

			
				
在本节中,
我们将学习直方图均衡化的概念，并使用它来提高我们图像的对比度。

Theory

考虑一幅图像，它的像素值被限制在一些特定的值范围内。例如，更亮的图像将所有像素限制在高值。但是一个好的图像应该有来自图像所有区域的像素。所以你需要拉伸直方图的两端(如下图所示，来自维基百科)，这就是直方图均衡化所做的(简单的说)。这通常会改善图像的对比度。



我建议你去维基百科上的直方图均衡化页面了解更多细节。它有一个很好的解释和算出的例子，所以你会理解几乎所有后，读它。相反，在这里我们将看到它的Numpy实现

			
		

	



		

			
		



	

		

			

				
					
OpenCV-Python -- Histograms-2：Histogram Equalization

				
			

			

				

					DAOCHI
				

				

					12-09
					
					620
					
				

			

		

		

			
				
学习目标

这一节，我们要学习直方图均衡化（histogram equalization），然后提高图像的对比度。

理论
考虑一张图像的像素值仅分布在特定的范围，比如较亮的图像的像素值通常都较大。但是，一张好的图像应该分布均匀。所以我们需要通过直方图均衡化使得图像分布更加均匀，见下图：

可以参考：Histogram Equalization。下面我们使用Numpy计算图像的直方图，实例如下：
import cv2
import numpy as np
from matplotlib import pyp

			
		

	





	

		

			

				
					
opencv_histogram&histogram; equalization

				
			

			

				

					10-10
				

			

		

		

			
				
calculate and plot histogram in opencv, implemented by c

			
		

	





	

		

			

				
					
【OpenCV_08】直方图均衡化Histogram Equalization

				
			

			

				

					tealex的专栏
				

				

					05-31
					
					2313
					
				

			

		

		

			
				
直方图 Histogram




这种方法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

			
		

	





	

		

			

				
					
【数字图像处理】直方图均衡化详解及编程实现

				
			

			

				

					weixin_34121282的博客
				

				

					10-28
					
					3242
					
				

			

		

		

			
				
直方图均衡化的英文名称是Histogram Equalization. 
　　图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函...

			
		

	





	

		

			

				
					
Histogram equalization

				
			

			

				

					长夜漫漫，无心睡眠
				

				

					03-06
					
					2187
					
				

			

		

		

			
				
学习ppt

所谓直方图均衡，就是把一已知灰度概率分布的图像，变换成具有均匀概率分布的新图像的过程 。

r 为待增强的原图像的归一化灰度值, 0≤r≤1 ;s 为增强后的新图像的归一化灰度值,且0≤s≤1;n(r)为原图像中灰度值为r 的像素的个数，其概率分布密度为pr(r)。
直方图均衡即是找一种变换，使具有任意概率分布密度的直方图的图像，变换成接近于均匀概率分布密度的直方图的图像。

直方图...

			
		

	





	

		

			

				
					
histogramequalization

				
			

			

				

					chezhai的博客
				

				

					10-19
					
					713
					
				

			

		

		

			
				
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布【1】。 
下图为直方图均衡化的过程，体现了“均衡”的含义：（概率密度的均匀） 
网上可以查阅到关于直方图均衡化的各种解释、用法、程

			
		

	





	

		

			

				
					
Histograms - 2: Histogram Equalization

				
			

			

				

					Airfrozen的博客
				

				

					02-22
					
					462
					
				

			

		

		

			
				
摘自https://docs.opencv.org/4.2.0/d5/daf/tutorial_py_histogram_equalization.html

Consider an image whose pixel values are confined to some specific range of values only. You need to stretch this histog...

			
		

	





	

		

			

				
					
直方图均衡（Histogram Equalization）

				
			

			

				

					zzyczzyc的博客
				

				

					01-23
					
					9345
					
				

			

		

		

			
				
官网教程
原理

原理参考 ，或者数字图像处理p72
将图像像素值概率分别拉升，扩大分别范围，提高对比度，应用于背景和前景像素差别不大

最终的映射公式：sk=T(rk)=(L−1)∑j=0kPr(rj)=L−1MN∑j=0knj     &

			
		

	





	

		

			

				
					
直方图均衡化（Histogram equalization）

				
			

			

				

					是谁动了我的西瓜的博客
				

				

					01-19
					
					6007
					
				

			

		

		

			
				
综述直方图均衡化（Histogram equalization）常用于增强图片的整体对比度，特别对于那些有用的数据被相似数据所代表的情况。通过直方图均衡化将亮度更好的分布于直方图上，使得低对比度区域有了更高的对比度。该方法对于前景和背景都很暗或都很亮的情况有很好的调节效果。实现假设有一个离散的灰度图像{x}\{ x\},对该图像进行直方图均衡化的具体步骤如下:
原图灰度级概率统计 
nin_i代表灰

			
		

	





	

		

			

				
					
【数字图像处理+MATLAB】直方图均衡化（Histogram Equalization）：使用 histeq 函数

				
			

			

				

					HEX9CF的技术博客
				

				

					11-10
					
					1256
					
				

			

		

		

			
				
直方图均衡化是一种图像处理方法，用于改善图像的对比度。这种方法通过调整图像的灰度级别分布来达到增强对比度的效果。图像的直方图是灰度值与其出现频率的图形表示。在直方图中，横轴表示灰度级别（例如，在8位图像中，灰度级别的范围是0-255），纵轴表示每个灰度级别的像素数量。在直方图均衡化中，目标是使得输出图像（即经过直方图均衡化处理的图像）的直方图尽可能地均匀分布，也就是说，每个灰度级别的像素数量尽可能相同。这样，图像的对比度会被最大化，因为整个可用的灰度范围都被有效地使用了。histeq。

			
		

	





	

		

			

				
					
Example of Histogram Equalization

				
			

			

				

					wanglang3081的专栏
				

				

					12-19
					
					2092
					
				

			

		

		

			
				
Examples
Small image
The following is the same 8x8 subimage as used in 
JPEG. The 8-bit greyscale image shown has the following values:

The histogram for this image is shown in the following tab

			
		

	





	

		

			

				
					
直方圖等化(Histogram equalization)方式

				
			

			

				

					I am Rocky
				

				

					09-19
					
					4346
					
				

			

		

		

			
				
主要功能，是將影像中的色階等化成0~255色階 。 
1. 正規化(normalization) 
nYi = (Yi-Ymin)/(Ymax-Ymin) 

2. 等化(equalization) 
eYi = nYi*255.0 

彩色影像方式如下： 
R=((R-Rmin)/(Rmax-Rmin))*255.0 
G=((G-Gmin)/(Gmax-Gmin))*255.

			
		

	





	

		

			

				
					
histogram equalization


					
最新发布

				
			

			

				

					09-19
				

			

		

		

			
				
直方图均衡化（Histogram equalization）是一种用于增强图像对比度的图像处理技术，下面从介绍、原理和应用方面进行阐述：

### 介绍
直方图均衡化是一种通过调整图像的灰度分布，使得图像的灰度值更均匀地分布在整个灰度范围内的方法。该方法可以增强图像的全局对比度，使得图像中的细节更加清晰可见。它是一种简单且有效的图像增强技术，广泛应用于各种图像处理领域。

### 原理
直方图均衡化的基本原理是通过对图像的灰度直方图进行非线性变换，将原始图像的灰度分布映射到一个均匀分布的灰度空间。具体步骤如下：
1. **计算原始图像的灰度直方图**：统计图像中每个灰度级出现的像素数量。
2. **计算累积分布函数（CDF）**：对灰度直方图进行累积求和，得到每个灰度级的累积概率。
3. **进行灰度映射**：根据累积分布函数，将原始图像的每个像素的灰度值映射到新的灰度值，使得新的灰度分布更加均匀。
假设原始图像的灰度级范围是 $[0, L - 1]$，其中 $L$ 是灰度级的总数。对于图像中的每个像素 $x$，其原始灰度值为 $r$，经过直方图均衡化后的新灰度值 $s$ 可以通过以下公式计算：
$$s = T(r) = (L - 1) \sum_{i = 0}^{r} p(i)$$
其中，$p(i)$ 是灰度级 $i$ 的概率密度函数，即该灰度级在图像中出现的频率。

### 应用
- **医学图像处理**：在X光、CT、MRI等医学图像中，直方图均衡化可以增强图像的对比度，帮助医生更清晰地观察病变部位和组织结构。
- **遥感图像处理**：在卫星图像和航空图像中，由于光照条件和地物反射特性的差异，图像的对比度可能较低。直方图均衡化可以改善图像的视觉效果，便于进行地物分类、目标检测等任务。
- **数字摄影**：在摄影中，由于拍摄环境的限制，照片可能会出现对比度不足的问题。直方图均衡化可以作为一种简单的后期处理手段，提高照片的质量。

以下是使用Python和OpenCV库实现直方图均衡化的示例代码：
```python
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 进行直方图均衡化
equalized_image = cv2.equalizeHist(image)

# 显示原始图像和均衡化后的图像
plt.subplot(121), plt.imshow(image, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(equalized_image, cmap='gray')
plt.title('Equalized Image'), plt.xticks([]), plt.yticks([])
plt.show()
```



			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      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
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
小鹏AI

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
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