Opencv 学习笔记：直方图均衡化（灰度 / 彩色图像二值化优化）

直方图均衡化是提升图像对比度的核心技巧，可让暗部细节更清晰。本文分别演示灰度图像和彩色图像的直方图均衡化实现，新手可快速掌握不同图像类型的处理逻辑。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 1. 读取图像并校验
src = cv.imread(".\image\1.bmp")
if src is None:
    print('could not load image')
    exit()

# 2. 灰度图像直方图均衡化
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
dst_gray = cv.equalizeHist(gray)  # 直接对灰度图均衡化
cv.imshow('dst_gray(灰度均衡化)', dst_gray)

# 3. 彩色图像直方图均衡化（分通道处理）
# 拆分BGR三个通道
b, g, r = cv.split(src)
# 分别对每个通道做均衡化
bh = cv.equalizeHist(b)
gh = cv.equalizeHist(g)
rh = cv.equalizeHist(r)
# 合并处理后的通道
result_color = cv.merge((bh, gh, rh))
cv.imshow('result_color(彩色均衡化)', result_color)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 核心逻辑拆解

图像类型	处理流程	核心 API	作用说明
灰度图像	直接均衡化	`cv.equalizeHist(gray)`	单通道直接处理，提升整体对比度
彩色图像	拆分通道→分别均衡化→合并通道	`cv.split()`+`cv.equalizeHist()`+`cv.merge()`	避免直接均衡化导致颜色失真

2. 重要注意事项

彩色图处理禁忌：不能直接将彩色图转灰度后均衡化再转回彩色，会丢失颜色信息；
通道顺序：OpenCV 中彩色图默认是 BGR 顺序，拆分 / 合并时需保持顺序一致；
适用场景：适合暗部细节缺失的图像（如逆光照片、低对比度文档），过度均衡化可能导致噪点放大。

3. 扩展优化技巧

自适应均衡化 ：对光照不均图像，改用cv.createCLAHE()，避免局部过曝：

python 复制代码

clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
dst_clahe = clahe.apply(gray)  # 灰度图自适应均衡化

效果对比 ：可将原图、灰度均衡化图、彩色均衡化图拼接显示，直观对比：
python 复制代码
```
compare = cv.hconcat([src, result_color])  # 横向拼接
cv.imshow('对比图', compare)
```

总结

灰度图像直方图均衡化可直接调用cv.equalizeHist，一步提升对比度；
彩色图像需拆分 BGR 通道分别均衡化后再合并，避免颜色失真；
光照不均场景优先使用自适应均衡化（CLAHE），效果更自然。