Python OpenCV实例：图像直方图均衡化（数学公式简单实现）

1#coding:utf-8
2'''
3直方图均衡化
4作用：通常用来增加图像局部对比度，尤其在图像的有用数据的对比度相当
5      接近时，通过直方图均衡化，图像的亮度可以更好地在直方图上分布
6基本思想：把原始图像的直方图变换为均匀分布的形式，增加了像素
7        灰度值的动态范围，从而增强图像的整体对比度效果
8
9算法实现步骤：
101、计算图像f的各个灰度级中像素出现的概率
11  p(i) = n(i) / n ,{i|0,1,...,L - 1}
12  其中：n(i)表示灰度级i出现的次数,L是图像中所有的灰度数,p实际上是图像的
13        直方图归一化到0~1范围内，如果把c作为对应p的累计概率函数，则定义为：
14               i
15        c(i) = ∑(p(x(j))
16               j=0
17        c是图像的累计归一化直方图
18
192、创建一个形式为 y = T(x)的变化，原始图像中的每个值就生产一个y,这样
20    y的累计概率函数形式就可以在所有值范围内进行线性化，转换公式为：
21    y(i) = T(x(i)) = c(i)
22'''
23
24import cv2
25import numpy as np
26
27def hist_eq(image):
28    img_gray = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
29    rows,cols = img_gray.shape
30    gray_flat = img_gray.reshape((rows*cols,))
31    dist_flat = np.zeros_like(gray_flat)
32
33    count_pixel = np.zeros((256,),np.int32)
34    temp = np.zeros((256,),np.int32)
35    pixmap = np.zeros((256,),np.uint8)
36    image_bytes = cols * rows
37    # 计算各个灰度级数量
38    for index,value in enumerate(gray_flat):
39        count_pixel[value] += 1
40
41    # 计算灰度级的累计分布
42    for i in range(256):
43        if i == 0:
44            temp[0] = count_pixel[0]
45        else:
46            temp[i] = temp[i - 1] + count_pixel[i]
47
48        # 计算累计概率函数，并把值扩展到0~255
49        value = 255.0 * (temp[i] / image_bytes)
50        if value > 255:
51            value = 255
52        if value < 0:
53            value = 0
54        pixmap[i] = value
55
56    # 灰度等级映射转换
57    for i in range(image_bytes):
58        dist_flat[i] = pixmap[gray_flat[i]]
59
60    dist = dist_flat.reshape((rows,cols))
61
62    return dist
63
64src = cv2.imread('datas/l1.jpg')
65gray = cv2.cvtColor(src,cv2.COLOR_RGB2GRAY)
66
67dist = hist_eq(src)
68
69# 调用OpenCV函数
70dist_cv = np.zeros_like(gray)
71cv2.equalizeHist(gray,dist_cv)
72
73cv2.imshow('src',gray)
74cv2.imshow('dist',dist)
75cv2.imshow('opencv-histeq',dist_cv)
76cv2.waitKey()
77cv2.destroyAllWindows()