当前位置: 首页 > article >正文

CV:图像的直方图均衡化

均衡化在图像处理中通常指的是直方图均衡化(Histogram Equalization),其主要目的是改善图像的对比度,使图像细节更加明显。以下是对直方图均衡化的详细说明:

直方图均衡化原理

  1. 直方图
    图像的直方图表示各灰度级在图像中出现的频率。对于对比度较低的图像,直方图可能集中在灰度范围的某一小区间。

  2. 均衡化目标
    直方图均衡化通过将原图的灰度分布重新映射,使得输出图像的直方图尽量均匀分布在整个灰度范围内。这通常能够提升图像的整体对比度,使得暗部和亮部的细节更易分辨。

  3. 映射过程

    • 计算原图的灰度直方图以及累积分布函数(CDF)。
    • 使用累积分布函数建立灰度映射,将原图中每个像素的灰度值映射到新的值,使得所有灰度级尽可能均匀地分布。

OpenCV 中的直方图均衡化

在 OpenCV 中,可以使用 cv2.equalizeHist() 对灰度图进行直方图均衡化。示例如下:

import cv2

# 读取灰度图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

# 应用直方图均衡化
equalized_img = cv2.equalizeHist(img)

# 显示原图和均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', equalized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

自适应直方图均衡化(CLAHE)

对于某些图像,尤其是亮度变化较大或细节丰富的图像,简单的直方图均衡化可能会使局部噪声被放大。此时,可以使用自适应直方图均衡化(CLAHE),它通过在局部区域内进行均衡化来保持局部对比度,同时避免过度增强噪声。使用方法如下:

import cv2

# 读取灰度图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

# 创建 CLAHE 对象,设置对比度限制和网格大小
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
clahe_img = clahe.apply(img)

# 显示原图和 CLAHE 处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('CLAHE Image', clahe_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结

  • 直方图均衡化:适用于整体图像对比度提升,适合亮度分布不均的图像。
  • CLAHE:适合处理局部细节丰富或亮度差异较大的图像,可以更好地保持局部对比度,同时避免噪声被过度增强。

通过均衡化处理,可以使图像更容易进行后续的处理,如边缘检测、分割或特征提取。


http://www.kler.cn/a/585918.html

相关文章:

  • ShineBlink学习日志
  • 【微知】plantuml在泳道图中如何将多个泳道框起来分组并且设置颜色?(box “浏览器“ #LightGreen endbox)
  • 【Quarkus】通过Quarkus集成后端服务示例
  • 【redis】zset 类型:基本命令(上)
  • 【网络通信安全】子专栏链接及简介
  • 【SpringMVC】常用注解:@RequestParam
  • 嵌入式硬件: GPIO与二极管基础知识详解
  • 【Java篇】一法不变,万象归一:方法封装与递归的思想之道
  • Opencv之掩码实现图片抠图
  • 全面剖析 Linux 进程管理与 PCB 机制
  • 编程自学指南:java程序设计开发,网络编程基础,TCP编程,UDP编程,HTTP客户端开发
  • 基于微信小程序的小区管理系统设计与实现【lw+源码+部署+视频+讲解】
  • 【树莓派Pico FreeRTOS编程】-FreeRTOS移植
  • 建筑管理(2): 施工承包模式,工程监理,质量监督
  • Java实现死锁
  • windows10 清理 C 盘
  • 如何利用互联网大数据进行产品创新
  • 【含文档+PPT+源码】基于微信小程序的驾考在线学习与测试系统的设计与实现
  • 安全中心建设关键技术之态势展示
  • 一窥DeepSeek开源EPLB项目:揭开技术背后的面纱