直方图均衡化

---

引言

直方图均衡化(Histogram Equalization)是一种非线性拉伸，通常增加图像的局部对比度，提高图片利用率，说白了就是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。

一、python

以下图为例：

直方图代码：

import cv2
import numpy as np 
from matplotlib import pyplot as plt 
 
img = cv2.imread('test.jpg',0)
plt.hist(img.ravel(),255,[0,256]);
plt.title("Matplotlib Method")
plt.show()

其直方图为：

直方图均衡化代码：

import cv2 # 仅用于读取图像矩阵
import matplotlib.pyplot as plt  
import numpy as np

gray_level = 256  # 灰度级


def pixel_probability(img):
    """
    计算像素值出现概率
    :param img:
    :return:
    """
    assert isinstance(img, np.ndarray)

    prob = np.zeros(shape=(256))

    for rv in img:
        for cv in rv:
            prob[cv] += 1

    r, c = img.shape
    prob = prob / (r * c)

    return prob


def probability_to_histogram(img, prob):
    """
    根据像素概率将原始图像直方图均衡化
    :param img:
    :param prob:
    :return: 直方图均衡化后的图像
    """
    prob = np.cumsum(prob)  # 累计概率

    img_map = [int(i * prob[i]) for i in range(256)]  # 像素值映射

   # 像素值替换
    assert isinstance(img, np.ndarray)
    r, c = img.shape
    for ri in range(r):
        for ci in range(c):
            img[ri, ci] = img_map[img[ri, ci]]

    return img


def plot(y, name):
    """
    画直方图，len(y)==gray_level
    :param y: 概率值
    :param name:
    :return:
    """
    plt.figure(num=name)
    plt.bar([i for i in range(gray_level)], y, width=1)


if __name__ == '__main__':

    img = cv2.imread("test.jpg", 0)  # 读取灰度图

    prob = pixel_probability(img)
    plot(prob, "原图直方图")

    # 直方图均衡化
    img = probability_to_histogram(img, prob)
    cv2.imwrite("test2.jpg", img)  # 保存图像

    prob = pixel_probability(img)
    plot(prob, "直方图均衡化结果")

    plt.show()

直方图均衡化后的原图：

直方图均衡化后的直方图：

二、matlab

I = imread('test.jpg'); %将图像读入工作区
figure
subplot(1,2,1)
imshow(I)
subplot(1,2,2)
imhist(I,64)%显示图像及其直方图

J = histeq(I);%使用直方图均衡化调整对比度
figure
subplot(1,2,1)
imshow(J)
subplot(1,2,2)
imhist(J,64)%显示对比度调整后的图像及其新直方图

公式：

参考资料：
https://blog.youkuaiyun.com/weixin_43746235/article/details/90731090
https://blog.youkuaiyun.com/nima1994/article/details/85322473