图像均衡化 直方图均衡化 python

目录

图像均衡化 

批量灰度均衡化处理照片

批量彩色均衡化照片

图像均衡化 

直方图均衡化是一种用于增强图像对比度的图像处理技术。它通过重新分配图像中的像素值，使得图像的像素值分布更加均匀，增强图像的对比度，从而改善图像的视觉效果。

直方图均衡化的过程如下：

可以直接调用openCV的库函数实现图像的直方图均衡化

cv2.equalizeHist(img)

可以写一个完整的测试代码如下

import matplotlib.pyplot as plt
import cv2

img = cv2.imread("OIP.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.hist(img.ravel(), bins=256)
plt.title('origin')
plt.show()  # 原始直方图
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.title('origin')
plt.imshow(img)
plt.show()  # 原始灰度图

img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.equalizeHist(img)
plt.hist(img.ravel(), bins=256)
plt.title('systemEqualize')
plt.show()  # 均衡化直方图
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.title('systemEqualize')
plt.show()  # 均衡化灰度图

在这里我们手动实现一个图像的直方图均衡化，不调用库函数

首先读取一张照片并将其转化为灰度图

img = cv2.imread("OIP.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

然后计算图像的直方图，并计算直方图的累积分布

hist = cv2.calcHist([img], [0], None, [256], [0, 256])
cdf = hist.cumsum()

再计算像素值的累积分布概率，并根据累积分布概率映射出新的像素值，根据该映射重新分配原图像的像素值，根据插值操作可以很方便的进行一一映射，这个interp函数非常的讲究，我研究了半天还是没有看懂它的作用，直到后来看到某位大佬的解说才醍醐灌顶恍然大悟——interpret(x,xp,yp)以xp和yp构造映射函数f，返回f(x)，这就让我们的像素值映射变得简单

mapPixel = 255 * cdf / cdf[-1]
img = numpy.interp(img.ravel(), range(256), mapPixel).reshape(img.shape)

最后输出均衡化的图像以及均衡化的直方图，由于像素值是8位表示的，在刚才的计算过程中会使用64位进行存储，因此还需要对图像的像素值进行一下转换一下

img = cv2.convertScaleAbs(img)
plt.hist(img.ravel(), bins=256)
plt.title('myEqualize')
plt.show()  # 均衡化直方图
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.title('myEqualize')
plt.show()  # 均衡化灰度图

衡化后的图像的直方图如图所示，其中左图为OpenCV库函数均衡化的效果，右图是我们手动实现均衡化的效果，可见都达到了将原图的像素值均匀分开的效果

均衡化后的图像如图所示，其中左图为OpenCV库函数均衡化的效果，右图是我们手动实现均衡化的效果，可知二者效果基本相同，与原图相比，均衡化后的图像对比度提高了，其中云层增加了更多的细节，看起来更清晰了一些

完整代码如下 

import matplotlib.pyplot as plt
import cv2
import numpy

img = cv2.imread("OIP.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
cdf = hist.cumsum()
mapPixel = 255 * cdf / cdf[-1]
img = numpy.interp(img.ravel(), range(256), mapPixel).reshape(img.shape)
img = cv2.convertScaleAbs(img)
plt.hist(img.ravel(), bins=256)
plt.title('myEqualize')
plt.show()  # 均衡化直方图
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.title('myEqualize')
plt.show()  # 均衡化灰度图

批量灰度均衡化处理照片

import cv2
import os


# 定义函数实现直方图均衡化
def equalize_image(image_path):
    # 读取图片
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    # 进行直方图均衡化
    equalized = cv2.equalizeHist(image)
    # 返回均衡化后的图片
    return equalized


# 定义文件夹路径
folder_path = "images"
equalizePath = "equalizeImages"
# 遍历文件夹中的所有图片
for file_name in os.listdir(folder_path):
    # 判断文件是否为图片
    if file_name.endswith('.jpg') or file_name.endswith('.png'):
        # 构造图片的完整路径
        image_path = folder_path + '/' + file_name
        # 对图片进行直方图均衡化
        equalized_image = equalize_image(image_path)
        # 保存均衡化后的图片
        cv2.imwrite(equalizePath + '/' + file_name, equalized_image)

批量彩色均衡化照片

import cv2
import os


# 定义函数实现直方图均衡化
def equalize_image(image_path):
    # 读取彩色图像
    image = cv2.imread(image_path, cv2.IMREAD_COLOR)
    # 将三个通道分别进行直方图均衡化
    channels = cv2.split(image)
    equalized_channels = []
    for channel in channels:
        equalized = cv2.equalizeHist(channel)
        equalized_channels.append(equalized)
    # 将三个均衡化后的通道合并成一张图像
    equalized_image = cv2.merge(equalized_channels)
    # 返回均衡化后的图片
    return equalized_image


# 定义文件夹路径
folder_path = "images"
equalizePath = "equalizeColorfulImages"
# 遍历文件夹中的所有图片
for file_name in os.listdir(folder_path):
    # 判断文件是否为图片
    if file_name.endswith('.jpg') or file_name.endswith('.png'):
        # 构造图片的完整路径
        image_path = folder_path + '/' + file_name
        # 对图片进行直方图均衡化
        equalized_image = equalize_image(image_path)
        # 保存均衡化后的图片
        cv2.imwrite(equalizePath + '/' + file_name, equalized_image)

作者：MaolinYe（叶茂林）