直方图均衡化:
作用:直方图均衡化是一种有效的图像增强技术,原始图像在灰度分布上可能集中在较窄的区间,造成图像不够清晰。采用直方图均衡化可以将原始图像的直方图变换为均匀分布,这样增加了像素之间的灰度值差别,从而达到增强图像整体对比度的效果。
具体原理可参考冈萨雷斯数字图像处理3.3节
文章来源:https://www.toymoban.com/news/detail-512509.html
文章来源地址https://www.toymoban.com/news/detail-512509.html
#直方图均衡化:遍历图像每个像素的灰度,算出每个灰度的概率(n/MN-n是每个灰度的个数,MN是像素总数),用L-1乘以所得概率得到新的灰度
import cv2
import numpy as np
img = cv2.imread('00000.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#直方图统计
def pix_gray (img_gray):
h = img_gray.shape[0]
w = img_gray.shape[1]
gray_level = np.zeros(256)
gray_level2 = np.zeros(256)
for i in range (1,h-1):
for j in range(1,w-1):
gray_level[img_gray[i,j]] += 1 #统计灰度级为img_gray[i,j的个数
for i in range(1,256):
gray_level2[i] = gray_level2[i-1] + gray_level[i] #统计灰度级小于img_gray[i,j]的个数
return gray_level2
#直方图均衡化
def hist_gray(img_gary):
h,w = img_gary.shape
gray_level2 = pix_gray(img_gray)
lut = np.zeros(256)
for i in range(256):
lut[i] = 255.0/(h*w)*gray_level2[i] #得到新的灰度级
lut = np.uint8(lut + 0.5)
out = cv2.LUT(img_gray,lut)
return out
cv2.imshow(' imput',img_gray)
out_img = hist_gray(img_gray)
cv2.imshow('output',out_img)
cv2.waitKey(0)
cv2.destroyWindow()
到了这里,关于Python实现直方图均衡化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!