考虑这样一个图像,它的像素值仅局限于某个特定的值范围。例如,较亮的图像将把所有像素限制在高值上。但是一幅好的图像会有来自图像所有区域的像素。因此,需要将这个直方图拉伸到两端,这就是直方图均衡化的作用。这通常会提高图像的对比度。
代码示例:
from matplotlib import pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg', 0)
hist, bins = np.histogram(img.flatten(), 256, [0, 256])
cdf = hist.cumsum() #将每一个数字之前的所有数字进行累加到这个数字上
#计算查找表,该表提供了有关每个输入像素值的输出像素值是什么的信息
cdf_m = np.ma.masked_equal(cdf, 0) #掩码数组,”0“的地方为无效值
cdf_m = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min()) #归一化
cdf = np.ma.filled(cdf_m, 0).astype('uint8') #无效值的地方用“0”填充
#给图像重新赋值
img2 = cdf[img]
hist, bins = np.histogram(img2.flatten(), 256, [0, 256])
cdf = hist.cumsum() #将每一个数字之前的所有数字进行累加到这个数字上
cdf_normalized = cdf * float(hist.max()) / cdf.max() #归一化
plt.plot(cdf_normalized, color = 'b')
plt.hist(img.flatten(), 256, [0, 256], color = 'r')
plt.xlim([0, 256])
plt.legend(('cdf', 'histogram'), loc = 'upper left')
plt.show()
主要使用cv.equalizeHist()函数来实现。它的输入只是灰度图像,输出是我们的直方图均衡图像。
代码示例:
from matplotlib import pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist, bins = np.histogram(img.flatten(), 256, [0, 256])
plt.subplot(2, 2, 1)
plt.imshow(img, plt.cm.gray)
plt.subplot(2, 2, 2)
plt.hist(img.ravel(), 256, [0, 256])
plt.subplot(2, 2, 3)
img1 = cv.equalizeHist(img)
plt.imshow(img1, plt.cm.gray)
plt.subplot(2, 2, 4)
plt.hist(img1.ravel(), 256, [0, 256])
plt.show()
主要使用cv2.createCLAHA()函数来实现。
cv2.createCLAHA(clipLimit, titleGridSize)
参数如下:
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac10.png', 0)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)
cv.imshow('prac', cl1)
cv.waitKey(0)
cv.destroyAllWindows()