直方图均衡化

直方图均衡化是一种在图像处理中广泛使用的技术，主要用于增强图像的对比度，特别是当图像的动态范围较小时。以下是对直方图均衡化的详细解释：

一、定义

直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。这种方法通过改变图像的直方图来改变图像中各像素的灰度，从而增强图像的对比度。

二、作用与原理

直方图均衡化的基本思想是对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。具体来说，它通过将图像的灰度直方图从比较集中的某个灰度区间变换为在全部灰度范围内的均匀分布，从而增加像素之间灰度值差别的动态范围，达到增强图像整体对比度的效果。

三、实现过程

直方图均衡化的实现过程大致如下：

• 统计灰度级：首先，统计原图像中每个灰度级出现的次数，得到灰度直方图。
• 计算累积分布函数：然后，计算灰度直方图的累积分布函数（CDF），即每个灰度级及其之前所有灰度级出现的总次数占图像总像素数的比例。
• 映射新灰度级：根据累积分布函数，将原图像的每个灰度级映射到一个新的灰度级上，使得新图像的灰度直方图接近均匀分布。
• 生成新图像：最后，根据映射后的灰度级生成新的图像。

四、应用场景

直方图均衡化在图像处理中有着广泛的应用，特别是在以下场景中：

• 增强图像对比度：对于背景和前景都太亮或者太暗的图像，直方图均衡化可以有效地增强图像的对比度，使图像更加清晰。
• 改善图像视觉效果：通过调整图像的直方图，可以改善图像的视觉效果，使其更加符合人眼的视觉习惯。
• 预处理步骤：在图像分析、图像识别等应用中，直方图均衡化常作为预处理步骤，以提高后续处理的准确性和效率。

五、优缺点

优点：

• 直观且可逆：直方图均衡化是一个相当直观的技术，并且是可逆操作。如果已知均衡化函数，那么就可以恢复原始的直方图。
• 计算量小：直方图均衡化的计算量相对较小，可以快速地应用于大量图像。

缺点：

• 可能增加噪声对比度：直方图均衡化对处理的数据不加选择，它可能会增加背景噪声的对比度，从而降低图像的质量。
• 可能导致色彩失真：对于彩色图像，如果直接对R、G、B三个分量进行均衡化处理，可能会导致结果图像色彩失真。因此，在处理彩色图像时，需要采用更复杂的方法来保持图像的色彩不失真。

综上所述，直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来增强图像的对比度。然而，在实际应用中需要注意其可能带来的噪声增加和色彩失真等问题。

六、代码实现

import cv2  
import numpy as np  
import matplotlib.pyplot as plt  
  
# 读取图像并转换为灰度  
woman = cv2.imread('woman.png', cv2.IMREAD_GRAYSCALE)  
  
# 显示原始图像的直方图  
plt.hist(woman.ravel(), bins=256)  
plt.show()  
  
# 全局直方图均衡化  
woman_equalize = cv2.equalizeHist(woman)  
# 显示全局直方图均衡化后的直方图  
plt.hist(woman_equalize.ravel(), bins=256)  
plt.show()  
  
# 自适应直方图均衡化（CLAHE）  
clahe = cv2.createCLAHE(clipLimit=1, tileGridSize=(4, 4))  
woman_clahe = clahe.apply(woman)  
  
# 单独窗口显示每个图像  
cv2.imshow('Original Woman', woman)  
cv2.imshow('Equalized Woman', woman_equalize)  
cv2.imshow('CLAHE Woman', woman_clahe)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

• 读取图像并转换为灰度：使用cv2.imread函数读取名为woman.png的图像文件，并通过cv2.IMREAD_GRAYSCALE标志将其转换为灰度图像。
• 显示原始图像的直方图：使用matplotlib.pyplot的hist函数绘制并显示原始灰度图像的直方图。
• 全局直方图均衡化：通过cv2.equalizeHist函数对原始灰度图像进行全局直方图均衡化，以增强图像的对比度。
• 显示全局直方图均衡化后的直方图：再次使用matplotlib.pyplot的hist函数绘制并显示均衡化后图像的直方图。
• 自适应直方图均衡化（CLAHE）：使用cv2.createCLAHE创建一个CLAHE对象，并设置对比度限制和网格大小。然后，通过调用apply方法将CLAHE应用于原始灰度图像。
• 单独窗口显示每个图像：使用cv2.imshow函数分别在不同的窗口中显示原始图像、全局均衡化后的图像和CLAHE处理后的图像。
• 等待按键并关闭窗口：cv2.waitKey(0)函数使窗口保持打开状态，直到用户按下任意键。然后，cv2.destroyAllWindows()关闭所有OpenCV创建的窗口。

原文地址：https://blog.csdn.net/2301_77698138/article/details/142423016

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！