Python直方图处理(直方图均衡化、规定化)_python 直方图均衡化

一、直方图均衡化

在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。

灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。

对比度是画面黑与白的比值，也就是从黑到白的渐变层次。比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。对比度对视觉效果的影响非常关键，一般来说对比度越大，图像越清晰醒目，色彩也越鲜明艳丽；而对比度小，则会让整个画面都灰蒙蒙的。
直方图均衡化又称直方图修平，就是把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀灰度概率分布的新图像。它是一种很重要的非线性点运算，使用该方法可以加强图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好的在直方图上分布。

二、直方图均衡化原理

三、直方图均衡化结果

直方图均衡化处理python代码实现过程：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 导入原始图像,色彩空间为灰度图
src_img = cv2.imread('YaoGan/img/avg.jpg', 0)
# 调用cv2.calcHist 函数绘制直方图
img_hist = cv2.calcHist([src_img], [0], None, [256], [0, 256])

# 直方图均衡化,调用cv2.equalizeHist 函数实心
result_img = cv2.equalizeHist(src_img)
# 显示原始图像
cv2.imshow('src_img', src_img)
# 显示均衡化后的图像
cv2.imshow('result_img', result_img)
cv2.waitKey(0)
# 用蓝色绘制原始图像直方图
plt.plot(img_hist, color="b")
plt.show()
plt.hist(img_hist.ravel(), 256, [0, 256])
plt.show()
# 绘制均衡化后的直方图
plt.hist(result_img.ravel(), 256, [0, 256])
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

四、直方图规定化

直方图规定化是指一幅输入图像经过点运算变化，将原图像的灰度直方图改造成特定的非均匀分布的形状，使其能够更好地突出图像中人们感兴趣的部分，以此得到更好的增强效果。
但由于数字图像的灰度级是离散并且是有限的，所以直方图规定化的结果一般只是与目标直方图的形状大体接近，并非理想的完全一致。
直方图规定化本质上即寻找一个从灰度级