python图像处理：直方图的规定化（直方图匹配）

写在前面
因为笔者数字图像处理的作业是要求用VB来做规定化的处理，笔者写出来后想看看python有什么库可以实现，毕竟像均衡化之类的操作都可以通过py的cv2库里的函数解决，但是在CSDN上查询的时候发现大家都是用openCV或者matlab来做，python并没有相关的函数来进行规定化，唯一一个有规定化代码的但是是需要付钱的，于是笔者就用python写了一个可以做灰度图像直方匹配的代码。
（一）直方图匹配原理介绍
直方图规定化，也叫做直方图匹配，用于将图像变换为某一特定的灰度分布，也就是其目的的灰度直方图是已知的。这其实和均衡化很类似，均衡化后的灰度直方图也是已知的，是一个均匀分布的直方图；而规定化后的直方图可以随意的指定，也就是在执行规定化操作时，首先要知道变换后的灰度直方图，这样才能确定变换函数。规定化操作能够有目的的增强某个灰度区间，相比于，均衡化操作，规定化多了一个输入，但是其变换后的结果也更灵活。
（二）直方图匹配的实现
直方图规定化的实现可以分为一下四步：

计算原图像的累积直方图
计算规定直方图的累积直方图
计算两累积直方图的差值的绝对值
根据累积直方图差值建立灰度级的映射

(三)编码实现

import cv2import numpy as npimport matplotlib.pyplot as pltimg0=cv2.imread(r'C:\Users\58381\Desktop\lena.bmp')#读取原图片scr=cv2.imread(r'C:\Users\58381\Desktop\circle.bmp')#读取目标图片

完成读取之后转图片为灰度图片，笔者目前只会做灰度图片的规定化

#把两张图片转成真正的灰度图片，因为自己只会做灰度图片的规定化img0=cv2.cvtColor(img0,cv2.COLOR_BGR2GRAY)img=img0.copy()#用于之后做对比图scr=cv2.cvtColor(scr,cv2.COLOR_BGR2GRAY)

构造做映射的列表

mHist1=[]mNum1=[]inhist1=[]mHist2=[]mNum2=[]inhist2=[]

下面分别对两张图像进行均衡化

#对原图像进行均衡化
for i in range(256):mHist1.append(0)row,col=img.shape#获取原图像像素点的宽度和高度for i in range(row):for j in range(col):mHist1[img[i,j]]= mHist1[img[i,j]]+1#统计灰度值的个数mNum1.append(mHist1[0]/img.size)for i in range(0,255):mNum1.append(mNum1[i]+mHist1[i+1]/img.size)for i in range(256):inhist1.append(round(255*mNum1[i]))#对目标图像进行均衡化for i in range(256):mHist2.append(0)rows,cols=scr.shape#获取目标图像像素点的宽度和高度for i in range(rows):for j in range(cols):mHist2[scr[i,j]]= mHist2[scr[i,j]]+1#统计灰度值的个数mNum2.append(mHist2[0]/scr.size)for i in range(0,255):mNum2.append(mNum2[i]+mHist2[i+1]/scr.size)for i in range(256):inhist2.append(round(255*mNum2[i]))

两张图片都均衡化好之后，就通过数组间的映射进行规定化处理

#进行规定化g=[]#用于放入规定化后的图片像素for i in range(256):a=inhist1[i]flag=Truefor j in range(256):if inhist2[j]==a:g.append(j)flag=Falsebreakif flag==True:minp=255for j in range(256):b=abs(inhist2[j]-a)if b<minp:                minp=bjmin=jg.append(jmin)for i in range(row):for j in range(col):img[i,j]=g[img[i,j]]

在这里规定化就完成了，我们来看看效果。
先看看原图像以及其灰度直方图

cv2.imshow("原图",img0)
cv2.waitKey(0)
plt.hist(img0.ravel(),256)
plt.show()

然后是目标图片的原图以及直方图

cv2.imshow("目标图",scr)
cv2.waitKey(0)
plt.hist(scr.ravel(),256)
plt.show()

然后看看规定化之后的图片以及其直方图

cv2.imshow("规定化",img)
cv2.waitKey(0)
plt.hist(img.ravel(),256)
plt.show()

最后把两张图片一起展示。

写在最后
我会尽快在做完测量的作业之后把彩色图片的规定化编好，由于时间有限，笔者的代码不是特别精简，有很多地方可以优化，大家凑合着看看。

python图像处理：直方图的规定化（直方图匹配）相关推荐

[Python图像处理] 七.图像阈值化处理及算法对比
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
python图像处理之图像灰度化
灰度化预备知识在了解图像处理的基本操作之前,我们需要知道关于图像的一些基本知识.我们这里所说的图像处理实质上是数字图像处理,因为计算机只能对数字信号进行处理,因此存储在计算机中的图像都是实际图像经 ...
【python图像处理】图像灰度化处理、图像灰度线性变换、图像灰度非线性变换
一.图像灰度化处理 1.最大值灰度处理方法 2.平均灰度处理方法 3.加权平均灰度处理方法二.图像灰度线性变换 1.图像灰度上移变换 2.图像对比度增强变换 3.图像对比度减弱变换 4.图像灰度反色 ...
万字长文告诉新手如何学习Python图像处理（上篇完结四十四） | 「Python」有奖征文
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
[Python图像处理] 三十三.图像各种特效处理及原理万字详解（毛玻璃、浮雕、素描、怀旧、流年、滤镜等）...
此文转载自:https://blog.csdn.net/Eastmount/article/details/111568397#commentBox 该系列文章是讲解Python OpenCV图像处理 ...
python低通滤波器_[Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波
[Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波发布时间:2019-04-28 20:35, 浏览次数:2739 , 标签: Python 该系列文章是讲解Python OpenCV ...
python灰度图片格式_[Python图像处理] 十五.图像的灰度线性变换
[Python图像处理] 十五.图像的灰度线性变换发布时间:2019-03-28 00:08, 浏览次数:619 , 标签: Python 该系列文章是讲解Python OpenCV图像处理知识,前 ...
高手勿入！直方图均衡化、规定化（匹配）
1.基于直方图的图像增强原理 1.1直方图是什么? 直方图分为一维直方图和二维直方图.文本仅介绍一维直方图,读者可举一反三学会二维直方图. 如上就是一张图片的一维直方图,一维直方图描述的是图片的灰度图 ...
[Python图像处理] 三十八.OpenCV图像增强和图像去雾万字详解（直方图均衡化、局部直方图均衡化、自动色彩均衡化）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...

python图像处理：直方图的规定化（直方图匹配）

python图像处理：直方图的规定化（直方图匹配）相关推荐

最新文章

热门文章