Python实现直方图均衡化

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

1.  
   #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
2.  
    
3.  
   import cv2
4.  
   import numpy as np
5.  
    
6.  
   img = cv2.imread('00000.jpg')
7.  
   img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
8.  
    
9.  
   #直方图统计
10.  
     
11.  
    def pix_gray (img_gray):
12.  
    h = img_gray.shape[0]
13.  
    w = img_gray.shape[1]
14.  
     
15.  
    gray_level = np.zeros(256)
16.  
    gray_level2 = np.zeros(256)
17.  
     
18.  
    for i in range (1,h-1):
19.  
    for j in range(1,w-1):
20.  
    gray_level[img_gray[i,j]] = 1 #统计灰度级为img_gray[i,j的个数
21.  
     
22.  
    for i in range(1,256):
23.  
    gray_level2[i] = gray_level2[i-1] gray_level[i] #统计灰度级小于img_gray[i,j]的个数
24.  
     
25.  
    return gray_level2
26.  
     
27.  
    #直方图均衡化
28.  
     
29.  
    def hist_gray(img_gary):
30.  
    h,w = img_gary.shape
31.  
    gray_level2 = pix_gray(img_gray)
32.  
    lut = np.zeros(256)
33.  
    for i in range(256):
34.  
    lut[i] = 255.0/(h*w)*gray_level2[i] #得到新的灰度级
35.  
    lut = np.uint8(lut 0.5)
36.  
    out = cv2.LUT(img_gray,lut)
37.  
    return out
38.  
     
39.  
     
40.  
    cv2.imshow(' imput',img_gray)
41.  
    out_img = hist_gray(img_gray)
42.  
    cv2.imshow('output',out_img)
43.  
    cv2.waitKey(0)
44.  
    cv2.destroyWindow()

这篇好文章是转载于：学新通技术网