溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
OpenCV如何利用python實現圖像的直方圖均衡化？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。
1.直方圖
直方圖: (1) 圖像中不同像素等級出現的次數 (2) 圖像中具有不同等級的像素關于總像素數目的比值。
我們使用cv2.calcHist方法得到直方圖
cv2.calcHist(images, channels, mask, histSize, ranges):
-img: 圖像
-channels: 選取圖像的哪個通道
-histSize: 直方圖大小
-ranges: 直方圖范圍
cv2.minMaxLoc: 返回直方圖的最大最小值，以及他們的索引
import cv2
import numpy as np
def ImageHist(image, type):
color = (255, 255,255)
windowName = 'Gray'
if type == 1: #判斷通道顏色類型 B-G-R
color = (255, 0, 0)
windowName = 'B hist'
elif type == 2:
color = (0,255,0)
windowName = 'G hist'
else:
color = (0,0,255)
# 得到直方圖
hist = cv2.calcHist([image],[0],None,[256],[0,255])
# 得到最大值和最小值
minV,maxV,minL,maxL = cv2.minMaxLoc(hist)
histImg = np.zeros([256,256,3],np.uint8)
#直方圖歸一化
for h in range(256):
interNormal = int(hist[h] / maxV * 256)
cv2.line(histImg, (h, 256), (h, 256 - interNormal), color)
cv2.imshow(windowName, histImg)
return histImg
img = cv2.imread('img.jpg', 1)
channels = cv2.split(img) # R-G-B
for i in range(3):
ImageHist(channels[i], 1 + i)
cv2.waitKey(0)
2.直方圖均衡化
灰色圖像直方圖均衡化
這里我們直接使用cv2.equalizeHist方法來得到直方圖均衡化之后的圖像
import cv2
import numpy as np
img = cv2.imread('img.jpg', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
dat = cv2.equalizeHist(gray)
cv2.imshow('gray', gray)a
cv2.imshow('dat', dat)
cv2.waitKey(0)原圖像：
直方圖均衡化后的圖像：
彩色圖像直方圖均衡化
彩色圖像有3個通道，直方圖是針對單通道上的像素統計，所以使用cv2.split方法分離圖像的顏色通道，分別得到各個通道的直方圖，最后使用cv2.merge()方法合并直方圖，得到彩色圖像的直方圖均衡化
import cv2
import numpy as np
img = cv2.imread('img.jpg', 1)
cv2.imshow('img', img)
(b, g, r) = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)
dat = cv2.merge((bH, gH, rH))
cv2.imshow('dat', dat)
cv2.waitKey(0)D:\Anaconda\lib\site-packages\numpy\_distributor_init.py:32: UserWarning: loaded more than 1 DLL from .libs:
D:\Anaconda\lib\site-packages\numpy\.libs\libopenblas.NOIJJG62EMASZI6NYURL6JBKM4EVBGM7.gfortran-win_amd64.dll
D:\Anaconda\lib\site-packages\numpy\.libs\libopenblas.PYQHXLVVQ7VESDPUVUADXEVJOBGHJPAY.gfortran-win_amd64.dll
stacklevel=1)
原圖像：
直方圖均衡化之后的圖像：
3.源代碼實現直方圖均衡化
下面我們用源代碼來實現直方圖
橫坐標為像素等級，縱坐標為出現的概率
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('img.jpg', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
count = np.zeros(256, np.float)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
count[int(gray[i, j])] += 1 # 統計該像素出現的次數
count = count / (img.shape[0] * img.shape[1]) # 得到概率
x = np.linspace(0,255,256)
plt.bar(x, count,color = 'b')
plt.show()
# 計算累計概率
for i in range(1,256):
count[i] += count[i - 1]
# 映射
map1 = count * 255
for i in range(img.shape[0]):
for j in range(img.shape[1]):
p = gray[i, j]
gray[i, j] = map1[p]
cv2.imshow('gray', gray)
cv2.waitKey(0)直方圖：
直方圖均衡化后的圖像：
彩色直方圖源碼
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('img.jpg', 1)
# R-G-B三種染色直方圖
countb = np.zeros(256, np.float32)
countg = np.zeros(256, np.float32)
countr = np.zeros(256, np.float32)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
(b,g,r) = img[i,j]
b = int(b)
g = int(g)
r = int(r)
countb[b] += 1 # 統計該像素出現的次數
countg[g] += 1
countr[r] += 1
countb = countb / (img.shape[0] * img.shape[1]) # 得到概率
countg = countg / (img.shape[0] * img.shape[1])
countr = countr / (img.shape[0] * img.shape[1])
x = np.linspace(0,255,256)
plt.figure()
plt.bar(x, countb,color = 'b')
plt.figure()
plt.bar(x, countg,color = 'g')
plt.figure()
plt.bar(x, countr,color = 'r')
plt.show()
# 計算直方圖累計概率
for i in range(1,256):
countb[i] += countb[i - 1]
countg[i] += countg[i - 1]
countr[i] += countr[i - 1]
#映射表
mapb = countb * 255
mapg = countg * 255
mapr = countr * 255
dat = np.zeros(img.shape, np.uint8)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
(b,g,r) = img[i, j]
dat[i, j] = (mapb[b],mapg[g],mapr[r])
cv2.imshow('dat', dat)
cv2.waitKey(0)R-G-B 3 種顏色通道的直方圖如下：
圖像均衡化之后的結果：
關于OpenCV如何利用python實現圖像的直方圖均衡化問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
