Python数字图像处理:直方图均衡化

直方图均衡化(Histogram Equalization)是一种通过调整图像灰度分布来增强图像对比度的经典方法,尤其在处理低对比度或光照不均匀的图像时效果显著。本文深入解析其数学原理,并提供手动实现OpenCV优化方案的完整代码,结合实际应用场景展示其核心价值。

1. 直方图均衡化原理

(1) 核心目标
  • 问题:图像灰度集中在狭窄范围 → 细节模糊。
  • 解决方案 :将原始直方图变换为均匀分布,扩展动态范围。
(2) 数学推导
  1. 概率密度函数(PDF)
    统计各灰度级频数:
  1. 累积分布函数(CDF)

映射到新的灰度级,使新直方图接近均匀分布。

2. 手动实现直方图均衡化

(2.1) 灰度图像处理
复制代码
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

def manual_hist_equalize(image):
    if len(image.shape) == 3:
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    hist = cv2.calcHist([image], [0], None, [256], [0, 256])
    hist_norm = hist.ravel() / hist.sum()  # 归一化得到PDF
    cdf = hist_norm.cumsum()               # 计算CDF
    cdf_normalized = (cdf * 255).astype(np.uint8)  # 线性映射到0-255
    return cdf_normalized[image]  # 应用映射

# 使用示例
img = cv2.imread('5.bmp', cv2.IMREAD_GRAYSCALE)

if img is None:
    print("错误:无法加载图像,请检查文件路径。")
else:
    equalized_manual = manual_hist_equalize(img)

    # 显示原始图像和直方图均衡化后的图像
    plt.figure(figsize=(10, 5))

    plt.subplot(1, 2, 1)
    plt.title('原始图像')  # 中文标题
    plt.imshow(img, cmap='gray')

    plt.subplot(1, 2, 2)
    plt.title('手动直方图均衡化图像')  # 中文标题
    plt.imshow(equalized_manual, cmap='gray')

    plt.show()
(2.2) 关键步骤解析
步骤 功能 代码实现
统计直方图 计算各灰度级像素数量 cv2.calcHist
归一化PDF 转换为概率分布 hist_norm = hist / total
计算CDF 累加概率密度,生成映射函数 cdf = np.cumsum(hist_norm)
应用映射 将原图灰度替换为CDF对应值 equalized = cdf[original]

3. OpenCV高效实现

复制代码
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 灰度图直方图均衡化
def gray_hist_equalize(image):
    if len(image.shape) == 3:
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    equalized = cv2.equalizeHist(image)
    return equalized

# 彩色图直方图均衡化
def color_hist_equalize(image):
    # 将图像转换为 YCrCb 色彩空间
    ycrcb = cv2.cvtColor(image, cv2.COLOR_BGR2YCrCb)
    # 对 Y 通道进行直方图均衡化
    ycrcb[:, :, 0] = cv2.equalizeHist(ycrcb[:, :, 0])
    # 转换回 BGR 色彩空间
    equalized = cv2.cvtColor(ycrcb, cv2.COLOR_YCrCb2BGR)
    return equalized

# 加载图像
img = cv2.imread('5.bmp')

if img is None:
    print("错误:无法加载图像,请检查文件路径。")
else:
    # 灰度图处理
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray_equalized = gray_hist_equalize(img)

    # 彩色图处理
    color_equalized = color_hist_equalize(img)

    # 将 BGR 图像转换为 RGB 图像(matplotlib 使用 RGB 格式)
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    color_equalized_rgb = cv2.cvtColor(color_equalized, cv2.COLOR_BGR2RGB)

    # 使用 matplotlib 显示图像
    plt.figure(figsize=(15, 10))

    # 显示原始图像
    plt.subplot(2, 2, 1)
    plt.imshow(img_rgb)
    plt.title('原始彩色图像')
    plt.axis('off')

    # 显示原始灰度图像
    plt.subplot(2, 2, 2)
    plt.imshow(gray_img, cmap='gray')
    plt.title('原始灰度图像')
    plt.axis('off')

    # 显示灰度直方图均衡化图像
    plt.subplot(2, 2, 4)
    plt.imshow(gray_equalized, cmap='gray')
    plt.title('灰度直方图均衡化图像')
    plt.axis('off')

    # 显示彩色直方图均衡化图像
    plt.subplot(2, 2, 3)
    plt.imshow(color_equalized_rgb)
    plt.title('彩色直方图均衡化图像')
    plt.axis('off')

    # 显示图像
    plt.tight_layout()
    plt.show()
相关推荐
我命由我1234535 分钟前
Spring Boot 自定义日志打印(日志级别、logback-spring.xml 文件、自定义日志打印解读)
java·开发语言·jvm·spring boot·spring·java-ee·logback
蹦蹦跳跳真可爱5891 小时前
Python----计算机视觉处理(Opencv:道路检测之提取车道线)
python·opencv·计算机视觉
徐小黑ACG2 小时前
GO语言 使用protobuf
开发语言·后端·golang·protobuf
0白露3 小时前
Apifox Helper 与 Swagger3 区别
开发语言
Tanecious.3 小时前
机器视觉--python基础语法
开发语言·python
叠叠乐4 小时前
rust Send Sync 以及对象安全和对象不安全
开发语言·安全·rust
想跑步的小弱鸡4 小时前
Leetcode hot 100(day 3)
算法·leetcode·职场和发展
ALe要立志成为web糕手4 小时前
SESSION_UPLOAD_PROGRESS 的利用
python·web安全·网络安全·ctf
Tttian6225 小时前
Python办公自动化(3)对Excel的操作
开发语言·python·excel
xyliiiiiL5 小时前
ZGC初步了解
java·jvm·算法