本文主要是介绍OpenCV-42 直方图均匀化,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!
目录
一、直方图均匀化原理
二、直方图均匀化在OpenCV中的运用
一、直方图均匀化原理
直方图均匀化是通过拉伸像素强度的分布范围,使得在0~255灰阶上的分布更加均匀,提高图像的对比度。达到改善图像主管视觉效果的目的。对比度较低的图像适合使用直方图均衡化的方法来增强图像细节。
原理
- 计算累计直方图
- 将累计直方图进行区间转换
- 在累计直方图中,概率相近的原始值,会被处理为相同的值
最初的像素点都在0-7之间,最后我们将其规划到0~255中间。
二、直方图均匀化在OpenCV中的运用
使用API---eqyalizeHist(src[, dst)
示例代码如下:
import cv2
import numpy as np
import matplotlib.pyplot as plt
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 1290, 480)
lena = cv2.imread("beautiful women.png")
gray = cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY)# lena变黑
gray_dark = gray - 40
# lena变亮
gray_bright = gray + 40
cv2.imshow("img", np.hstack((gray, gray_dark, gray_bright)))
# 查看各自的直方图
hist_gray = cv2.calcHist([gray], [0], None, [256], [0, 255])
hist_dark = cv2.calcHist([gray_dark], [0], None, [256], [0, 255])
hist_bright = cv2.calcHist([gray_bright], [0], None, [256], [0, 255])
# 画出直方图
plt.plot(hist_gray, label = "gray")
plt.plot(hist_dark, label = "dark")
plt.plot(hist_bright, label = "bright")
plt.legend()
plt.show()
# 进行均衡化处理
dark_equ = cv2.equalizeHist(gray_dark)
bright_equ = cv2.equalizeHist(gray_bright)
# 查看均衡化的直方图
hist_dark_equ = cv2.calcHist([dark_equ], [0], None, [256], [0, 255])
hist_bright_equ = cv2.calcHist([bright_equ], [0], None, [256], [0, 255])
plt.plot(hist_dark_equ, label = "dark_equ")
plt.plot(hist_bright_equ, label = "bright_equ")
plt.legend()
plt.show()
cv2.imshow("gray_dark", np.hstack((gray_dark, dark_equ)))
cv2.imshow("gray_dark", np.hstack((gray_bright, bright_equ)))cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下:
图像均衡化之前:
图像均衡化之后:
直方图均衡化之前:
直方图均衡化之后:
这篇关于OpenCV-42 直方图均匀化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!