搜索熱詞

考慮這樣一個(gè)圖像，它的像素值僅局限于某個(gè)特定的值范圍。例如，較亮的圖像將把所有像素限制在高值上。但是一幅好的圖像會(huì)有來自圖像所有區(qū)域的像素。因此，您需要將這個(gè)直方圖拉伸到兩端(如下圖所示，來自wikipedia)，這就是直方圖均衡化的作用(簡(jiǎn)單來說)。這通常會(huì)提高圖像的對(duì)比度。

在這里我們將看到其Numpy實(shí)現(xiàn)。之后，我們將看到OpenCV功能。

importnumpy as npcv2 as cvfrom matplotlib pyplot as plt

img= cv.imread('wiki.jpg',0)

hist,bins= np.histogram(img.flatten(),256,[0,256])

cdf=hist.cumsum()

cdf_normalized= cdf * float(hist.max()) /cdf.max()

plt.plot(cdf_normalized,color= b)

plt.hist(img.flatten(),256,256],color = r)

plt.xlim([0,256])

plt.legend((cdf',histogram'),loc = upper left)

plt.show()

?

你可以看到直方圖位于較亮的區(qū)域。我們需要全頻譜。為此，我們需要一個(gè)轉(zhuǎn)換函數(shù)，將亮區(qū)域的輸入像素映射到整個(gè)區(qū)域的輸出像素。這就是直方圖均衡化的作用。

現(xiàn)在我們找到最小的直方圖值(不包括0)，并應(yīng)用wiki頁面中給出的直方圖均衡化方程。但我在這里用過，來自Numpy的掩碼數(shù)組概念數(shù)組。對(duì)于掩碼數(shù)組，所有操作都在非掩碼元素上執(zhí)行。您可以從Numpy文檔中了解更多關(guān)于掩碼數(shù)組的信息。

cdf_m =np.ma.masked_equal(cdf,0)

cdf_m= (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())

cdf= np.ma.filled(cdf_m,0).astype(uint8')

現(xiàn)在我們有了查找表，該表為我們提供了有關(guān)每個(gè)輸入像素值的輸出像素值是什么的信息。因此，我們僅應(yīng)用變換。

img2 = cdf[img]

現(xiàn)在，我們像以前一樣計(jì)算其直方圖和cdf(您這樣做)，結(jié)果如下所示：

hist,bins = np.histogram(img.flatten(),1)">)

plt.show()

另一個(gè)重要的特征是，即使圖像是一個(gè)較暗的圖像(而不是我們使用的一個(gè)較亮的圖像)，經(jīng)過均衡后，我們將得到幾乎相同的圖像。因此，這是作為一個(gè)“參考工具”，使所有的圖像具有相同的照明條件。這在很多情況下都很有用。例如，在人臉識(shí)別中，在對(duì)人臉數(shù)據(jù)進(jìn)行訓(xùn)練之前，對(duì)人臉圖像進(jìn)行直方圖均衡化處理，使其具有相同的光照條件。

opencv中直方圖均衡：

OpenCV具有執(zhí)行此操作的功能cv.equalizeHist()。它的輸入只是灰度圖像，輸出是我們的直方圖均衡圖像。 下面是一個(gè)簡(jiǎn)單的代碼片段，顯示了它與我們使用的同一圖像的用法：

img = cv.imread(cv.equalizeHist(img)

res= np.hstack((img,equ)) #stacking images side-by-side

cv.imwrite(res.png

因此，現(xiàn)在您可以在不同的光照條件下拍攝不同的圖像，對(duì)其進(jìn)行均衡并檢查結(jié)果。

當(dāng)圖像的直方圖限制在特定區(qū)域時(shí)，直方圖均衡化效果很好。在直方圖覆蓋較大區(qū)域(即同時(shí)存在亮像素和暗像素)的強(qiáng)度變化較大的地方，效果不好。請(qǐng)檢查其他資源中的SOF鏈接。

CLAHE：對(duì)比度受限的自適應(yīng)直方圖均衡

我們剛剛看到的第一個(gè)直方圖均衡化考慮了圖像的整體對(duì)比度。在許多情況下，這不是一個(gè)好主意。例如，下圖顯示了輸入圖像及其在全局直方圖均衡后的結(jié)果。

直方圖均衡后，背景對(duì)比度確實(shí)得到了改善。但是在兩個(gè)圖像中比較雕像的臉。由于亮度過高，我們?cè)谀抢飦G失了大多數(shù)信息。這是因?yàn)樗闹狈綀D不像我們?cè)谇懊娴陌咐兴吹降哪菢泳窒抻谔囟▍^(qū)域(嘗試?yán)L制輸入圖像的直方圖，您將獲得更多的直覺)。

因此，為了解決這個(gè)問題，使用了自適應(yīng)直方圖均衡。在這種情況下，圖像被分成稱為“tiles”的小塊(在OpenCV中，tileSize默認(rèn)為8x8)。然后，像往常一樣對(duì)這些塊中的每一個(gè)進(jìn)行直方圖均衡。因此，在較小的區(qū)域中，直方圖將限制在一個(gè)較小的區(qū)域中(除非存在噪聲)。如果有噪音，它將被放大。為了避免這種情況，應(yīng)用了對(duì)比度限制。如果任何直方圖bin超出指定的對(duì)比度限制(在OpenCV中默認(rèn)為40)，則在應(yīng)用直方圖均衡之前，將這些像素裁剪并均勻地分布到其他bin。均衡后，要消除圖塊邊界中的偽影，請(qǐng)應(yīng)用雙線性插值。

下面的代碼片段顯示了如何在OpenCV中應(yīng)用CLAHE：

cv2 as cv

img= cv.imread(tsukuba_l.pngcreate a CLAHE object (Arguments are optional).

clahe = cv.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))

cl1=clahe.apply(img)

cv.imwrite(clahe_2.jpg

附加資源：

Wikipedia page on Histogram Equalization：http://en.wikipedia.org/wiki/Histogram_equalization

Masked Arrays in Numpy：http://docs.scipy.org/doc/numpy/reference/maskedarray.html)

有關(guān)對(duì)比度調(diào)整的問題：`

如何在C中的OpenCV中調(diào)整對(duì)比度？ http://stackoverflow.com/questions/10549245/how-can-i-adjust-contrast-in-opencv-in-c

如何使用opencv均衡圖像的對(duì)比度和亮度？http://stackoverflow.com/questions/10561222/how-do-i-equalize-contrast-brightness-of-images-using-opencv)

相關(guān)文章

總結(jié)

如果覺得編程之家網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將編程之家網(wǎng)站推薦給程序員好友。

本圖文內(nèi)容來源于網(wǎng)友網(wǎng)絡(luò)收集整理提供，作為學(xué)習(xí)參考使用，版權(quán)屬于原作者。

如您喜歡交流學(xué)習(xí)經(jīng)驗(yàn)，點(diǎn)擊鏈接加入交流1群：1065694478(已滿)交流2群：163560250

總結(jié)

以上是生活随笔為你收集整理的python opencv直方图_【python opencv】直方图均衡的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。