OpenCV图像处理---图像直方图均衡化
Python3
最后更新 2020-06-19 11:04 阅读 11523
最后更新 2020-06-19 11:04
阅读 11523
Python3
一、直方图均衡化介绍
简单地说,使得图像的像素值尽量分布均匀,而不是高低差落较大,这样的好处是,能够更好的观察图像的细节部分,形成鲜明的对比度。咱们接着往下看!
1.1 原始图像
(原始图像十分的灰蒙,图中目标对比度也较低,不能很好地进行观察)
1.2 代码实践
# -*- coding:utf-8 -*- # 导入cv库 import cv2 import numpy as np import matplotlib.pyplot as plt # 导入原始图像,色彩空间为灰度图 src_img = cv2.imread('src_img.png', 0) # 调用cv2.calcHist 函数绘制直方图 # 每个参数的意思在上期文章已讲述,请回顾 img_hist = cv2.calcHist([src_img], [0], None, [256], [0, 256]) # 直方图均衡化,调用cv2.equalizeHist 函数实心 result_img = cv2.equalizeHist(src_img) # 显示原始图像 cv2.imshow('src_img', src_img) # 显示均衡化后的图像 cv2.imshow('result_img', result_img) cv2.waitKey(0) # 用蓝色绘制原始图像直方图 plt.plot(img_hist, color="b") plt.show() # 绘制均衡化后的直方图 plt.hist(result_img.ravel(), 256, [0, 256]) plt.show()
代码解读:代码中用到了cv2.equalizeHist 函数,该函数的作用是对目标图像进行均衡化,可以看到,该函数的参数只用到了一个,整个原始图像的灰度数据,因此该均衡化是对全局均衡化,当然,我们可以选择摸某一个区域进行均衡化。后面的代码主要是对原始图像和均衡化图像的直方图进行显示,针对原始图像,我们已经计算出了直方图,因此直接进行plt.plot(img_hist, color="b")显示,针对均衡化后的图像,由于我们并没有计算直方图,因此采用图像数据。ravel的方式进行显示。
1.3 效果演示
1)均衡化后的图像
(可以看到,均衡化后的图像比之前的图像在对比度上提升了很多,色彩变得充实了起来,便于我们进一步观察图像的某个目标)
2)原始图像直方图
(可以看到,原始图像的直方图像素值分布不均匀,且像素值范围多集中在100-200区域,不能很好地表示图像细节,也就是为啥它代表的图像看起来不丰富,细节不清晰了。)
3)均衡化后的直方图
(可以看到,均衡化后的图像较之前像素值分布较为均匀,像素值的范围几乎都分布了像素)
结语
今天的分享结束了,我们主要对直方图的均衡化进行了知识讲解和代码实践,均衡化主要是调用了opencv的函数实现,较为简单,但是,具体实际项目是,为了不对全局造成变化,仅仅对目标区域进行操作时,我们要进行ROI区域选择,特定性针对才能提高项目速度,此外,今天的代码使用的图像时是灰度图,大家可以使用彩色图做直方图均衡化,那样看起来会更加丰富且具有色彩空间感,代码与今天的也差不多,期待大家熟练今天的内容,用到以后的实际项目中。我们下期再见。