OpenCV—python 色階調整（直方圖均衡化）
阿新 • • 發佈：2018-11-16
文章目錄
一、色階調整( Levels Adjustment )原理
色階：就是用直方圖描述出的整張圖片的明暗資訊。如圖
從左至右是從暗到亮的畫素分佈，
黑色三角代表最暗地方（純黑—黑點值為０），
白色三角代表最亮地方（純白—白點為 255）。
灰色三角代表中間調。（灰點為1.00）
對於一個RGB影象, 可以對R, G, B 通道進行獨立的色階調整，即對三個通道分別使用三個色階定義值。還可以再對 三個通道進行整體色階調整。
因此，對一個影象，可以用四次色階調整。最終的結果，是四次調整後合併產生的結果。
cv2.equalizeHist(img) 函式
img = cv2.imread('./20181106194742.png',0)
equ = cv2.equalizeHist(img) # 只能傳入灰度圖
res = np.hstack((img,equ)) # 影象列拼接（用於顯示）
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
二、自動色階影象處理演算法
cv2.createCLAHE() 對比度有限自適應直方圖均衡
直方圖均衡後背景對比度有所改善。但導致亮度過高，我們丟失了大部分資訊。這是因為它的直方圖並不侷限於特定區域。
因此，為了解決這個問題，使用自適應直方圖均衡
import numpy as np
import cv2
img = cv2.imread('20181106194742.png',0)
clahe = cv2.createCLAHE( 
自適應色階去霧氣
import numpy as np
import cv2
def ComputeHist(img):
h,w = img.shape
hist, bin_edge = np.histogram(img.reshape(1,w*h), bins=list(range(257)))
return hist
def ComputeMinLevel(hist, rate, pnum):
sum = 0
for i in range(256):
sum += hist[i]
if (sum >= (pnum * rate * 0.01)):
return i
def ComputeMaxLevel(hist, rate, pnum):
sum = 0
for i in range(256):
sum += hist[255-i]
if (sum >= (pnum * rate * 0.01)):
return 255-i
def LinearMap(minlevel, maxlevel):
if (minlevel >= maxlevel):
return []
else:
newmap = np.zeros(256)
for i in range(256): #獲取閾值外的畫素值 i< minlevel，i> maxlevel
if (i < minlevel):
newmap[i] = 0
elif (i > maxlevel):
newmap[i] = 255
else:
newmap[i] = (i-minlevel)/(maxlevel-minlevel) * 255
return newmap
def CreateNewImg(img):
h,w,d = img.shape
newimg = np.zeros([h,w,d])
for i in range(d):
imgmin = np.min(img[:,:,i])
imgmax = np.max(img[:,:,i])
imghist = ComputeHist(img[:,:,i])
minlevel = ComputeMinLevel(imghist, 8.3, h*w)
maxlevel = ComputeMaxLevel(imghist, 2.2, h*w)
newmap = LinearMap(minlevel,maxlevel)
if (newmap.size ==0 ):
continue
for j in range(h):
newimg[j,:,i] = newmap[img[j,:, i]]
return newimg
if __name__ == '__main__':
img = cv2.imread('./20181106194742.png')
newimg = CreateNewImg(img)
cv2.imshow('original_img', img)
cv2.imshow('new_img', newimg/255)
cv2.waitKey(0)
cv2.destroyAllWindows()
