直方图均衡化(Histogram Equalization)是一种用于增强图像对比度的图像处理技术,通过重新分配图像的像素值,使图像中的亮度级别更加均匀,以改善图像的视觉质量。下面是进行直方图均衡化的一般步骤:
-
计算原始图像的直方图:首先,计算原始图像的灰度直方图,以了解不同亮度级别的像素数量分布。
-
计算累积分布函数(CDF):对于每个亮度级别,计算其累积分布函数(CDF),这是一个表示在该亮度级别以下像素数量累积的函数。CDF可以通过对灰度直方图进行累积求和来计算。
-
归一化CDF:将CDF的值归一化到[0, 255]的范围内。这可以通过以下公式来实现:
CDF_normalized = (CDF - min(CDF)) / (M * N - 1) * 255
其中,
M
和N
是图像的宽度和高度。 -
映射像素值:对于原始图像中的每个像素,将其亮度级别映射到归一化的CDF值。具体地,用归一化CDF值替换原始像素值。
-
生成均衡化后的图像:将所有像素的亮度级别替换后,生成均衡化后的图像。
下面是一个Python示例,演示如何使用OpenCV库进行直方图均衡化:
pythonCopy code
import cv2 # 读取原始图像 image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) # 计算直方图 hist = cv2.calcHist([image], [0], None, [256], [0, 256]) # 计算累积分布函数 cdf = hist.cumsum() # 归一化CDF cdf_normalized = cdf * 255 / cdf[-1] # 映射像素值 equalized_image = cdf_normalized[image] # 保存均衡化后的图像 cv2.imwrite('output.jpg', equalized_image)