• opencv 绘制图像直方图,实现直方图均衡化,自适应均衡化


    直方图

    直方图简单来说就是图像中每个像素值的个数统计,比如说一副灰度图中像素值为0的有多少个,1的有多少个……直方图是一种分析图像的手段:
    图像->直方图,bins=7

    直方图计算

    opencv库计算直方图

    使用 cv.calcHist(images, channels, mask, histSize, ranges) 计算,其中:
    参数1:要计算的原图,以方括号的形式传入,如:[img]
    参数2:选择图像的某个通道,计算直方图,灰度图像写[0]
    参数3:要计算的区域,计算整幅图的话,写None
    参数4:直方图横坐标数目
    参数5:要计算的像素范围,一般为[0,255]

    例如:hist = cv.calcHist([img], [0], None, [256], [0, 255])

    numpy库计算直方图

    可用Numpy中的函数计算直方图,其中ravel()函数将二维矩阵展平变成一维数组:
    hist, bins = np.histogram(img.ravel(), 255, [0, 255])
    另一种更高效的方式:
    hist = np.bincount(img.ravel(), minlength=256)

    直方图绘制

    Matplotlib库自带了一个计算并绘制直方图的功能,不需要用到上面的函数:
    plt.hist(img.ravel(), 256, [0, 255])
    plt.show()

    当然,也可以用前面计算出来的结果绘制:
    plt.plot(hist)
    plt.show()

    实验

    import cv2 as cv
    import numpy as np
    import matplotlib.pyplot as plt
    
    img = cv.imread('hist.jpg', 0)
    hist = cv.calcHist([img], [0], None, [256], [0, 255])
    
    plt.plot(hist)
    plt.show()
    

    实验结果

    原图
    原图像的直方图
    从直方图上可以看到图片的大部分区域集中在150偏白的附近,这其实并不是很好的效果,下面我们来看看如何改善它。

    直方图均衡化

    一副效果好的图像通常在直方图上的分布比较均匀,直方图均衡化就是用来改善图像的全局亮度和对比度。其实从观感上就可以发现,前面那幅图对比度不高,偏灰白。对均衡化算法感兴趣的同学可参考:直方图均衡化算法及python实现
    图解图像直方图均衡化

    opencv中实现图像直方图均衡化

    equ = cv.equalizeHist(img)

    import cv2 as cv
    import numpy as np
    import matplotlib.pyplot as plt
    
    img = cv.imread('hist.jpg', 0)
    img_eq = cv.equalizeHist(img)
    hist = cv.calcHist([img], [0], None, [256], [0, 255])
    hist_eq = cv.calcHist([img_eq], [0], None, [256], [0,255])
    
    plt.figure(1)
    
    plt.subplot(2,2,1)
    plt.imshow(img,cmap='gray')
    plt.subplot(2,2,2)
    plt.imshow(img_eq,cmap='gray')
    plt.subplot(2,2,3)
    plt.plot(hist)
    plt.subplot(2,2,4)
    plt.plot(hist_eq)
    
    plt.show()
    

    代码输出结果,可以看到均衡化后图片的亮度和对比度效果明显好于原图

    matlab图像直方图均衡化

    请参考一篇优秀个文章:matlab实现图像直方图均衡化

    直方图自适应均衡化

    不难看出来,直方图均衡化是应用于整幅图片的,会有什么问题呢?看下图:
    左图:原图;右图:直方图均衡化后
    很明显,因为全局调整亮度和对比度的原因,脸部太亮,大部分细节都丢失了。
    自适应均衡化就是用来解决这一问题的:它在每一个小区域内(默认8×8)进行直方图均衡化。当然,如果有噪点的话,噪点会被放大,需要对小区域内的对比度进行了限制,所以这个算法全称叫:对比度受限的自适应直方图均衡化CLAHE(Contrast Limited Adaptive Histogram Equalization)。

    实现直方图自适应均衡化

    import cv2 as cv
    import numpy as np
    import matplotlib.pyplot as plt
    
    img = cv.imread('tsukuba.jpg', 0)
    clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    cl1 = clahe.apply(img)
    
    plt.subplot(1,2,1)
    plt.imshow(img,cmap='gray')
    plt.title('Original')
    plt.xticks([]),plt.yticks([])
    plt.subplot(1,2,2)
    plt.imshow(cl1,cmap='gray')
    plt.title('Adaptive Histogram Equalization')
    plt.xticks([]),plt.yticks([])
    
    plt.show()
    

    实验结果

    左图:源图像;右图:自适应均衡化后图像

  • 相关阅读:
    C#Mvc批量删除
    axure中使用HighCharts模板制作统计图表
    中继器的使用——搜索/分页/排序
    中继器的使用 —— 关联/增加/删除/修改数据
    axure母版使用实例之百度门户
    jdbc参数传递
    软件测试的原则
    linux中使用top获取进程的资源占用信息
    性能测试关键指标介绍
    怎样成为一个合格的测试工程师
  • 原文地址:https://www.cnblogs.com/wojianxin/p/12611909.html
一二三 - 开发者的网上家园