opencv 求图像灰度直方图以及直方图均衡化

opencv 求图像灰度直方图以及直方图均衡化

图像的灰度直方图表示的是0-255之间图像每个灰度级在图像中的像素个数，因此灰度直方图横坐标表示的是0-255个灰度级别，纵坐标表示每个灰度级别的个数，因此求图像灰度直方图的代码可以表示为：

#hist表示255干个灰度级 hist=np.zeros(256) #rows，cols表示图像长宽用于求图像像素点 rows=img.shape[0] cols=img.shape[1] for i in range(rows): for j in range(cols): tmp=img[i][j]#tmp为图像中像素点对应的灰度值 hist[tmp]=hist[tmp]+1#在hist对应灰度值的位置加1 

对图像进行灰度直方图均衡化用于提高图像的对比度，-可以将每个灰度级的个数除以图像的整个像素数，得到每个灰度级在图像中的占比情况，对其进行累加，便可将整个灰度级平均分布到整个图像中，再乘以灰度级255得到均衡后的灰度直方图：

其代码表述为：

rows=img.shape[0] cols=img.shape[1] trans=hist/(rows*cols)*255 for i in range(1,len(trans)): trans[i]=trans[i-1]+trans[i] 

import cv2 import numpy as np import matplotlib.pyplot as plt ##彩色图像转为灰度图像 def RGB2gray(img): img1=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) return img1 ##计算图像的灰度直方图 def gethistgram(img): hist=np.zeros(256) rows=img.shape[0] cols=img.shape[1] for i in range(rows): for j in range(cols): tmp=img[i][j] hist[tmp]=hist[tmp]+1 return hist ##直方图均衡化 def Equalhistgram(img,hist): rows=img.shape[0] cols=img.shape[1] trans=hist/(rows*cols)*255 for i in range(1,len(trans)): trans[i]=trans[i-1]+trans[i] return trans
        
img=cv2.imread('C:\\Users\\matebook13\\Pictures\\hist.png') gray_img=RGB2gray(img) gray_h=gray_img.copy() img_hist=gethistgram(gray_img) equal_hist=Equalhistgram(gray_img,img_hist) ##将图片灰度直方图均匀化 rows=gray_img.shape[0] cols=gray_img.shape[1] for i in range(rows): for j in range(cols): gray_h[i][j]=int(equal_hist[gray_h[i][j]]) cv2.imwrite('transform_img.jpg',cv2.hconcat([gray_img,gray_h])) plt.figure(figsize=(11,11)) plt.imshow(cv2.hconcat([gray_img,gray_h]),cmap='gray') plt.show() 

从图中可以看出经过直方图均衡化后的图片的对比度更加清晰。

本文地址：https://blog.csdn.net/weixin_42046696/article/details/108249402