我們來看一個灰度圖像，讓表示灰度出現的次數，這樣圖像中灰度為?的像素的出現概率是

?是圖像中全部的灰度數，?是圖像中全部的像素數,??實際上是圖像的直方圖，歸一化到?。

把??作為相應于??的累計概率函數, 定義為：

?是圖像的累計歸一化直方圖。

我們創建一個形式為??的變化，對于原始圖像中的每一個值它就產生一個?，這樣??的累計概率函數就能夠在全部值范圍內進行線性化，轉換公式定義為：

注意 T 將不同的等級映射到??域。為了將這些值映射回它們最初的域，須要在結果上應用以下的簡單變換：

上面描寫敘述了灰度圖像上使用直方圖均衡化的方法。可是通過將這樣的方法分別用于圖像RGB顏色值的紅色、綠色和藍色分量，從而也能夠對彩色圖像進行處理。

Python:?cv2.equalizeHist(src[, dst])?→ dst

C:?void?cvEqualizeHist(const CvArr*?src, CvArr*?dst)

Parameters:

src?– Source 8-bit single channel image. dst?– Destination image of the same size and type as?src?.

The function equalizes the histogram of the input image using the following algorithm:

Calculate the histogram??for?src?.

Normalize the histogram so that the sum of histogram bins is 255.

Compute the integral of the histogram:

Transform the image using??as a look-up table:?

The algorithm normalizes the brightness and increases the contrast of the image.?

# -*- coding: utf-8 -*- #code:myhaspl@myhaspl.com import cv2 fn="test1.jpg" myimg=cv2.imread(fn) img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY) newimg=cv2.equalizeHist(img) cv2.imshow('src',img) cv2.imshow('dst',newimg) cv2.waitKey() cv2.destroyAllWindows()

本博客全部內容是原創，假設轉載請注明來源

http://blog.csdn.net/myhaspl/

以下右圖是經過增強化的圖

直方圖均衡化通經常使用來添加很多圖像的全局對照度，尤其是當圖像的實用數據的對照度相當接近的時候。

通過這樣的方法，

亮度能夠更好地在直方圖上分布。這樣就能夠用于增強局部的對照度而不影響總體的對照度

本博客全部內容是原創，假設轉載請注明來源

http://blog.csdn.net/myhaspl/

以下部分代碼驗證實現了算法# -*- coding: utf-8 -*- #code:myhaspl@myhaspl.com #直方圖均衡化 import cv2 import numpy as np fn="test5.jpg" myimg=cv2.imread(fn) img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY) h=img.shape[0] w=img.shape[1] newimg=np.zeros((h,w),np.uint8) scount=0.0 #原始圖像灰度級 scol={} #目標圖像灰度級 dcol={} #原始圖像頻度 Ps={} #累計概率 Cs={}#統計原始圖像灰度級 for m in xrange(h):for n in xrange(w):scol[img[m,n]]=scol.setdefault(img[m,n],0)+1scount+=1

下圖左為源圖。右圖為進行直方圖均衡化后的圖

轉載于:https://www.cnblogs.com/yxwkf/p/5169103.html

總結

以上是生活随笔為你收集整理的数学之路-python计算实战(14)-机器视觉-图像增强(直方图均衡化)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。