数字图像处理(17): 直方图均衡化处理

目录

1 直方图均衡化简介

1.1 直方图均衡化概念

1.2 直方图均衡化的理论基础

1.3 直方图均衡化的步骤

1.4 直方图均衡化应用场景

2 直方图均衡化-equalizeHist()

3 matplotlib.pyplot.subplot() 函数

4 matplotlib.pyplot.imshow() 函数

5 直方图均衡化对比

参考资料

1 直方图均衡化简介

1.1 直方图均衡化概念

直方图均衡化 (Histogram Equalization) 就是把一个已知灰度概率密度分布的图像经过一种变换，使之演变为一幅具有均匀灰度概率密度分布的新图像。

如下图所示，过暗和过亮的图像 经过直方图均衡化，使得图像变得清晰。

1.2 直方图均衡化的理论基础

前提：如果一幅图像占有全部可能的灰度级，并且均匀分布。

结论：该图像具有高对比度和多变的灰色色调。

外观：图像细节丰富，质量更高。

1.3 直方图均衡化的步骤

（1）计算累计直方图；

（2）将累计直方图进行区间转换；

（3）在累计直方图中，概率相近的原始值，会被处理为相同的值。

具体的例子如下：

如下图所示，已知一幅图像的像素分布为 77，根据像素值，则可以计算出统计直方图

根据统计直方图，可以算出归一化直方图和累计直方图，如下图所示：

将累计直方图进行区间转换，如下图所示：

由上图的结果可知，原先8个灰度级转变成6个灰度级，那么原始直方图和均衡直方图为：

上面的灰度级是8，那灰度级转变成256，计算方法类似，如下图所示：

同样的，原始直方图和均衡直方图为：

由上图可以看出，虽然二者相似，但右侧均衡化后的直方图分布更均匀，相邻像素级概率和与高概率近似相等。如果将两张图的灰度级放在同一区间，可以看出差别更大，如下图所示：

1.4 直方图均衡化应用场景

（1）医学图像处理

（2）车牌照识别

（3）人脸识别

2 直方图均衡化-equalizeHist()

OpenCV库下，直方图均衡化使用  equalizeHist() 函数，函数用法如下所示:

dst=cv2.equalizeHist(src)

其中，参数：

dst 表示处理结果

src 表示原始图像

代码如下所示：

#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE) equ = cv2.equalizeHist(img) cv2.imshow("src", img) cv2.imshow("result", equ) plt.hist(img.ravel(), 256) plt.figure() plt.hist(equ.ravel(), 256) plt.show() cv2.waitKey(0) cv2.destroyAllWindows()

运行结果如下图所示：（左图为原始灰度图像，右图为均衡化后的图像）

3 matplotlib.pyplot.subplot() 函数

matplotlib.pyplot.subplot() 函数可以将多张图像放在一个窗口内，Pyhton下需要导入 matplotlib.pyplot 绘图包，其用法和Matlab中的subplot()函数用法类似。matplotlib 是一个强大的绘图包。subplot() 函数用法如下所示：

subplot(nrows, ncols, plot_number)

其中，参数：

nrows 表示行数；

ncols  表示列数；

plot_number 表示窗口序号。

例如：排列成两行三列的图像，如下图所示：

注：在实际应用中，如果每一个参数都小于10，三个数字可以连着直接写，不加标点，如 subplot(2,3,4) 可以写成 subplot(234)

代码如下所示：

#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE) equ = cv2.equalizeHist(img) plt.subplot(221),plt.imshow(img, 'gray'),plt.title('img'), plt.xticks([]),plt.yticks([]) plt.subplot(222),plt.imshow(equ, 'gray'),plt.title('equ'), plt.xticks([]),plt.yticks([]) plt.subplot(223),plt.hist(img.ravel(),256),plt.title('img_hist') plt.subplot(224),plt.hist(equ.ravel(),256),plt.title('equ_hist') plt.show() cv2.waitKey(0) cv2.destroyAllWindows()

运行结果如下图所示：

4 matplotlib.pyplot.imshow() 函数

imshow() 函数用法如下所示，同样的，Pyhton下需要导入 matplotlib.pyplot 绘图包。

imshow(X, cmap=None)

其中，参数：

X 表示要绘制的图像；

cmap 表示colormap，颜色图谱，默认为RGB(A)颜色空间：

    1）对于灰度图像，使用参数 “ cmap=plt.cm.gray ”；

    2）对于彩色图像，如果使用opencv读入的图像，默认空间为BRG，需要调整色彩空间为RGB。

下面是分别使用函数读取灰度图像和彩色图像例子。

（1）灰度图像

代码如下所示：

#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('zxp.jpg') img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) plt.subplot(221),plt.imshow(img),plt.title('img'), plt.axis('off') #坐标轴关闭 plt.subplot(222),plt.imshow(img, cmap=plt.cm.gray),plt.title('img_cmap'), plt.axis('off') plt.subplot(223),plt.imshow(img_gray),plt.title('img_gray'), plt.axis('off') plt.subplot(224),plt.imshow(img_gray, cmap=plt.cm.gray),plt.title('img_gray_cmap'),plt.axis('off')#正确用法 plt.show() cv2.waitKey(0) cv2.destroyAllWindows() 

运行结果如下图所示：

（2）彩色图像

代码如下所示：

#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('zxp.jpg') b,g,r=cv2.split(img) #通道分割 img_RGB=cv2.merge([r,g,b])#通道组合 plt.subplot(121),plt.imshow(img),plt.title('img_BGR'), plt.axis('off') #坐标轴关闭 plt.subplot(122),plt.imshow(img_RGB),plt.title('img_RGB'), plt.axis('off')

运行结果如下图所示：

5 直方图均衡化对比

直方图均衡化前后对比，使用前面提到的 matplotlib.pyplot.subplot() 函数 和 matplotlib.pyplot.imshow() 函数。

代码如下所示：

#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt img_gray = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE) equ = cv2.equalizeHist(img_gray) plt.subplot(221),plt.imshow(img_gray, cmap=plt.cm.gray),plt.title('img_gray'), plt.axis('off') #坐标轴关闭 plt.subplot(222),plt.imshow(equ, cmap=plt.cm.gray),plt.title('equ'), plt.axis('off') #坐标轴关闭 plt.subplot(223),plt.hist(img_gray.ravel(),256),plt.title('img_gray_hist') plt.subplot(224),plt.hist(equ.ravel(),256),plt.title('equ_hist') plt.show() cv2.waitKey(0) cv2.destroyAllWindows()

运行结果如下图所示：

参考资料

[1] Python+OpenCV图像处理