2.3 Python图像的空域增强处理-直方图修正
2.3 Python图像的空域增强处理-直方图修正
文章目录
- 2.3 Python图像的空域增强处理-直方图修正
- 1 算法原理
- 2 代码
- 3 效果
1 算法原理
直方图均衡化算法和直方图规定化
对于灰度级(intensity levels)范围为[0,L−1] [0, L-1] [0,L−1]的数字图像,其直方图可以表示为一个离散函数 h(rk)=nk,其中rk是第k级灰度值(intensity value), nk 是图像中灰度值为 rk 的像素个数,也就是说,图像的灰度直方图表征的是该图像的灰度分布。在实际应用中,通常对直方图进行归一化再进行后续处理,假设灰度图像的维数是 M×N,MN 表示图像的像素总数,则归一化直方图可以表示为:
也就是说,p(rk)表示灰度级 rk 在图像中出现概率的估计,归一化直方图所有分量之和等于 1。
直方图均衡化是一种简单有效的图像增强技术,通过改变图像的直方图来改变图像中各像素的灰度,主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间,造成图像不够清晰。例如,过曝光图像的灰度级集中在高亮度范围内,而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化,可以把原始图像的直方图变换为均匀分布(均衡)的形式,这样就增加了像素之间灰度值差别的动态范围,从而达到增强图像整体对比度的效果。换言之,直方图均衡化的基本原理是:对在图像中像素个数多的灰度值(即对画面起主要作用的灰度值)进行展宽,而对像素个数少的灰度值(即对画面不起主要作用的灰度值)进行归并,从而增大对比度,使图像清晰,达到增强的目的。
直方图均衡化 (Histogram Equalization) 就是把一个已知灰度概率密度分布的图像经过一种变换,使之演变为一幅具有均匀灰度概率密度分布的新图像。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
OpenCV 库下,直方图均衡化使用 equalizeHist() 函数。
一般来说,直方图均衡能够自动地确定变换函数,且输出结果比较好,当时需要自动增强时是一种好方法。
但有的情况下,使用直方图均衡并不是最好的办法。有时候我们可以指定特定的直方图,而不是均匀分布的直方图,并让原图像的直方图变换成我们指定的形式。这个过程称为直方图匹配或者直方图规定化。
直方图规定化的步骤为:
1.求给定的函数的累积直方图 s。
2.求原图像的累积直方图 G。
3.求 s 中每一个值在 G 中距离最小的位置 index。
4.求原图像每个像素通过 index 映射到的新像素的值。
2 代码
运行代码说明
1.要改变代码中的地址,我的地址说明,我是把待处理图片统一放在一个(同级)image文件夹,用os.listdir(base)读取图片名称列表,base是存放图片文件夹的相对路径,也可以是绝对路径
最后在
os.path.join(base,path)
代码中合并base和图片名称,得到完整图片地址2.如果想更改为读取同目录下图片,可以将读取图片路径的几句代码可以改为
原来
base = r'../image' paths = os.listdir(base) for path in paths:img = cv.imread(os.path.join(base,path), 1)
改为
paths = ['img1.jpg','img2.jpg','img3.png'......] for path in paths:print(path)# 读取图片 1 是加载彩色图像。任何图像的透明度都会被忽视。它是默认标志。img = cv.imread(path, 1)
3.注意最后的
plt.savefig('1.new.jpg')
是保存plt图像,如果不使用可以注释掉
import os
import numpy as np
import cv2
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = Falsedef put(path):# 读取图像img = cv2.imread(os.path.join(base, path), 1) # 需要进行规定化的图像(原图)ref = cv2.imread(os.path.join(base, path), 1) #直方图规定化的目标图像# 直方图均衡化b, g, r = cv2.split(img)img2 = cv2.merge([r, g, b])# 转灰度图img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ref = cv2.cvtColor(ref, cv2.COLOR_BGR2GRAY)# 直方图均衡化,调用equalizeHist() 函数res1 = cv2.equalizeHist(img)# 直方图规定化res2 = img.copy()hist_img, _ = np.histogram(img, 256) # 直方图hist_ref, _ = np.histogram(ref, 256)cdf_img = np.cumsum(hist_img) # 累积直方图cdf_ref = np.cumsum(hist_ref)for j in range(256):tmp = abs(cdf_img[j] - cdf_ref)tmp = tmp.tolist()idx = tmp.index(min(tmp))res2[img == j] = idx# 输出结果plt.figure(figsize=(10,7))plt.subplot(231), plt.imshow(img2), plt.title('原始图像')plt.subplot(232),plt.imshow(img,plt.cm.gray),plt.title('灰度图像')plt.subplot(233), plt.hist(img.ravel(), 16), plt.title('灰度图像直方图')plt.subplot(234),plt.imshow(res1,plt.cm.gray),plt.title('灰度直方图均衡化')plt.subplot(235), plt.hist(res1.ravel(), 16), plt.title('均衡化直方图')plt.subplot(236),plt.imshow(res2,plt.cm.gray),plt.title('灰度直方图规定化')# plt.savefig('3.new.jpg')plt.show()base = r'../image' # 图片根目录
paths = os.listdir(base)
for path in paths:print(path)put(path)
3 效果
2.3 Python图像的空域增强处理-直方图修正相关推荐
- 2.4 Python图像的空域增强处理-空域滤波
2.4 Python图像的空域增强处理-空域滤波 文章目录 2.4 Python图像的空域增强处理-空域滤波 1 算法原理 2 代码 3 效果 1 算法原理 空域滤波(线性平滑滤波器.线性锐化滤波器. ...
- 2.2 Python图像的空域增强处理-算术运算
2.2 Python图像的空域增强处理-算术运算 文章目录 2.2 Python图像的空域增强处理-算术运算 1 算法原理 2 代码 3 效果 1 算法原理 1)加法与减法. 假设 f(x,y),g( ...
- 2.1 Python图像的空域增强处理-灰度映射
2.1 Python图像的空域增强处理-灰度映射 文章目录 2.1 Python图像的空域增强处理-灰度映射 1 算法原理 2 代码 3 效果 空域增强处理,包括给定变化曲线的灰度映射(求反.动态范围 ...
- 图像增强三大类别:点增强、空域增强、频域增强
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 图像增强是图像模式识别中非常重要的图像预处理过程.图像增强的目的是 ...
- 图像的灰度增强、去噪、图像增强
futurehello博客 http://blog.csdn.net/xixi_0921/article/details/50533487 整理笔记 一.前言 图像的灰度变换则不同,其对像素的计算仅 ...
- 摄像头拍摄后对图片进行图像处理-python(空域增强)
通过摄像头拍摄后对图像进行图像处理(空域增强) 硬件介绍 应用思路 总体设计 具体设计 操作方法 功能体验 客观评价 总结 后续 硬件介绍 据市场调研预测,未来几年内,基于CMOS图像传感器的影像产品 ...
- python设计---空域增强之图片去噪(中值滤波、均值滤波、高斯滤波、双边滤波)
空域增强之图片去噪 引言 中值滤波及均值滤波 中值滤波 理论方法 均值滤波 中值滤波和均值滤波的对比 程序 高斯滤波 程序 双边滤波 程序 ui界面 设计程序 后续 引言 我们在日常工作生活中,总是需 ...
- 【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
- python图像增强_【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
最新文章
- 第3关:单链表循环队列
- IIS 之 添加绑定域名 或 设置输入IP直接访问网站
- ​​​​​​​2016最新CocoaPods安装与使用
- caffe中Makefile.config详解
- 接入 SDK 结果翻车了?了解 SDK 的那些事
- 如何通过Python玩转小视频
- 使用Git命令从远程仓库获取项目代码
- logo下方显示技术支持信息_LOGO墙形象设计的几种方案
- matlab实现将彩色图像(R,G,B)色分量的直方图匹配,并计算其相关性
- 实现键盘输入信息,按enter键调用摄像头自动拍照
- fabric.js自定义字体的引入
- 白话区块链 之 14 - ​区块链的技术意义
- ubuntu命令chmod755
- C语言 四种不同方法来判断闰年
- 用例图包含关系、扩展关系、泛化关系解析
- 计算机和建筑学薪资待遇区别,工科中薪资待遇最高、女生最多、毕业后竞争最激烈的前两名专业!...
- 51nod P3121 小陶与杠铃片【树状数组】
- Win10创建原始套接字失败原因及解决方法
- jQuery一步一步实现跨浏览器的可编辑表格,支持IE、Firefox、Safari、
- python3小游戏代码教程_Python3制作仿“经典90坦克大战”小游戏|python3教程|python入门|python教程...