深度学习中RGB影像图的直方图均衡化python代码and对图片中指定部分做基于掩模的特定区域直方图均衡化

本文主要是介绍深度学习中RGB影像图的直方图均衡化python代码and对图片中指定部分做基于掩模的特定区域直方图均衡化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

深度学习很重要的预处理步骤
就是需要对做直方图均衡化
其中主要分成灰度图以及RGB图的直方图均衡化
这俩的方法和代码不同
想要去看具体原理的朋友可以查看下面这篇博客的内容
写的很详细
颜色直方图均衡化(https://www.cnblogs.com/wancy/p/17668345.html)

我们这个场景中会用到的就是颜色直方图均衡化了
其中包含三种方法

方法1.在BGR颜色空间下进行直方图均衡化，可以分别对每个通道进行均衡化。

以下是批量读取某个文件夹中的所有图片，并对每张图片做RGB直方图均衡化，使用OpenCV库实现彩色图像直方图均衡化（在BGR颜色空间）的代码：

import cv2
import os
import shutilfilePath = r"F:\deepl\sample\complete\road3\white"  # 用于获取文件名称列表
new_path = r"F:\deepl\sample\complete\road3\white-rgb"  # 目标文件夹
#move_path = r"F:\deepl\sample\complete\water2\sat"  # 目标文件夹file_names = filter(lambda x: x.find('png')!=-1, os.listdir(filePath))# print(file_list)for file in file_names:
# 读取彩色图像path=filePath+'\\'+fileimg = cv2.imread(path)# 分离BGR图像的通道b, g, r = cv2.split(img)# 对每个通道进行直方图均衡化equ_b = cv2.equalizeHist(b)equ_g = cv2.equalizeHist(g)equ_r = cv2.equalizeHist(r)equ_img = cv2.merge((equ_b, equ_g, equ_r))#合并均衡化后的通道# 显示均衡化前后的彩色图像path2=new_path+'\\'+filecv2.imwrite(path2, equ_img)
#cv2.imshow('Original Image', img)
#cv2.imshow('Equalized Image', equ_img)
#cv2.waitKey(0)
#cv2.destroyAllWindows()

做均衡化前后的图片如下所示：

但是，由于我的图片中有些图片存在大面积白色，因此均衡之后颜色就变成了这样：

很明显，由于白色区域的影响，这个结果明显是不对的，想了各种办法：

1、比如用PS把白色区域删掉，保存成png透明背景的再跑上面的代码，结果不对

2、用PS把上面的白色区域先变成灰色，再跑，结果也还是不对

总结原因：是因为我们上面的代码是做全局直方图均衡化，并不是局部的，因此即使是透明背景，结果做出来也不对

而且为了只让我选定的区域做直方图均衡化，其他区域不变

就需要用到下面的方法

基于掩模的特定区域直方图均衡化

这里也是参考了这位博主的文章

但这里他是对灰度图像做的，我们要做的是RGB影像

因此我对代码进行了修改，可以对RGB进行基于掩模的特定区域颜色直方图均衡化

话不多说

直接看代码

import cv2
import os
import numpy as npfilePath = r"F:\deepl\sample\complete\road3\white"  # 用于获取文件名称列表
new_path = r"F:\deepl\sample\complete\road3\white-rgb"  # 目标文件夹
mask_path = r"F:\deepl\sample\complete\road3\white-mask"  # 目标文件夹
#move_path = r"F:\deepl\sample\complete\water2\sat"  # 目标文件夹file_names = filter(lambda x: x.find('png')!=-1, os.listdir(filePath))# print(file_list)for file in file_names:
# 读取彩色图像path=filePath+'\\'+filemask_path=mask_path+'\\'+fileimg = cv2.imread(path)# 分离BGR图像的通道b, g, r = cv2.split(img)mask = cv2.imread(mask_path, 0)coord = np.where(mask == 255)print(coord)b_mask = b[coord]g_mask = g[coord]r_mask = r[coord]# 对每个通道进行直方图均衡化equ_b = cv2.equalizeHist(b_mask)equ_g = cv2.equalizeHist(g_mask)equ_r = cv2.equalizeHist(r_mask)equ_img = cv2.merge((equ_b, equ_g, equ_r))#合并均衡化后的通道img2 = img.copy()for i, C in enumerate(zip(coord[0], coord[1])):img2[C[0], C[1]] = equ_img[i][0]# 显示均衡化前后的彩色图像path2=new_path+'\\'+filecv2.imwrite(path2, img2)
#cv2.imshow('Original Image', img)
#cv2.imshow('Equalized Image', equ_img)
#cv2.waitKey(0)
#cv2.destroyAllWindows()