如何使用 OpenCV 实现图像均衡？
来源 | 小白视觉志
头图 | 下载于视觉中国
我们已经练习了很多图像处理——操作图像（精确地说是图像矩阵）。为此，我们探索了图像的均衡方法，以便在一定程度上增强对比度，以使被处理的图像看起来比原始图像更好，这种技术称为直方图均衡化。
通常，发生的情况是在捕获图像时，它与自然视图并不相同。为了满足自然视图的水平，应进行后处理。因此，直方图均衡化（归一化）是通过调整图像的像素值来增强对比度的技术之一。
可以在下面看到一个示例：原始图像和均等图像。
如果我们要绘制图像直方图，它将看起来像下面的样子：
直方图均衡化的重要性
该方法对于亮和暗图像都效果更好，特别是在医学领域中，分析X射线图像的重要性更高。
在查看科学图像（例如热图像和卫星图像）时也非常有用
执行步骤
在本文中，我们将通过使用openCV库以及使用justNumPy和从头开始实现此方法Matplotlib。尽管我们想不使用来做NumPy，但要花很多时间才能计算出来。
添加依赖库
import numpy as npimport cv2import jsonfrom matplotlib import pyplot as plt
读取图像
def read_this(image_file, gray_scale=False):image_src = cv2.imread(image_file)if gray_scale:image_src = cv2.cvtColor(image_src, cv2.COLOR_BGR2GRAY)else:image_src = cv2.cvtColor(image_src, cv2.COLOR_BGR2RGB)return image_src
上面的函数读取gray_scale或中的图像，RGB然后返回图像矩阵。
用库实现代码
为了均衡，我们可以简单地使用equalizeHist()库中可用的方法cv2。
1.读入图像时RGB。
根据颜色组合分离像素。我们可以使用split()库中可用的方法cv2。
对每个矩阵应用均衡方法。
将均衡的图像矩阵与merge()库中可用的方法合并在一起cv2。
2.读入图像时gray_scale。
3.绘制原始图像和均衡图像。
def equalize_this(image_file, with_plot=False, gray_scale=False):image_src = read_this(image_file=image_file, gray_scale=gray_scale)if not gray_scale:r_image, g_image, b_image = cv2.split(image_src)r_image_eq = cv2.equalizeHist(r_image)g_image_eq = cv2.equalizeHist(g_image)b_image_eq = cv2.equalizeHist(b_image)image_eq = cv2.merge((r_image_eq, g_image_eq, b_image_eq))cmap_val = Noneelse:image_eq = cv2.equalizeHist(image_src)cmap_val = 'gray'if with_plot:fig = plt.figure(figsize=(10, 20))ax1 = fig.add_subplot(2, 2, 1)ax1.axis("off")ax1.title.set_text('Original')ax2 = fig.add_subplot(2, 2, 2)ax2.axis("off")ax2.title.set_text("Equalized")ax1.imshow(image_src, cmap=cmap_val)ax2.imshow(image_eq, cmap=cmap_val)return Truereturn image_eq
代码测试
equalize_this(image_file='lena_original.png', with_plot=True)
equalize_this（image_file = 'lena_original.png'，with_plot = True，gray_scale = True）
实现代码
为此，我们正在使用NumPy所有矩阵运算。同样，我们可以使用for循环来执行此操作，但是它将花费更多的时间进行计算。即使在这里，我们也有两个方面：
1.读入图像时RGB。
根据颜色组合分离像素。我们可以使用NumPy操作将其切细。
对每个矩阵应用均衡方法。
将均衡的图像矩阵与dstack(tup=())库中可用的方法合并在一起NumPy。
2.读入图像时gray_scale。
3.绘制原始图像和均衡图像。
让我们编写我们自己的函数来计算图像均衡，图像像素值通常在0到255之间。因此，总共有256个像素。
def enhance_contrast(image_matrix, bins=256):image_flattened = image_matrix.flatten()image_hist = np.zeros(bins)# frequency count of each pixelfor pix in image_matrix:image_hist[pix] += 1# cummulative sumcum_sum = np.cumsum(image_hist)norm = (cum_sum - cum_sum.min()) * 255 # normalization of the pixel valuesn_ = cum_sum.max() - cum_sum.min()uniform_norm = norm / n_uniform_norm = uniform_norm.astype('int')# flat histogramimage_eq = uniform_norm[image_flattened] # reshaping the flattened matrix to its original shapeimage_eq = np.reshape(a=image_eq, newshape=image_matrix.shape)
return image_eq
当将原始图像矩阵作为参数传递时，上述函数将返回一个均衡的图像矩阵。
让我们编写另一个函数，该函数为RGB图像和gray_scale使用上述功能的图像计算均衡。
def equalize_this(image_file, with_plot=False, gray_scale=False, bins=256):image_src = read_this(image_file=image_file, gray_scale=gray_scale)if not gray_scale:r_image = image_src[:, :, 0]g_image = image_src[:, :, 1]b_image = image_src[:, :, 2]
r_image_eq = enhance_contrast(image_matrix=r_image)g_image_eq = enhance_contrast(image_matrix=g_image)b_image_eq = enhance_contrast(image_matrix=b_image)
image_eq = np.dstack(tup=(r_image_eq, g_image_eq, b_image_eq))cmap_val = Noneelse:image_eq = enhance_contrast(image_matrix=image_src)cmap_val = 'gray'
if with_plot:fig = plt.figure(figsize=(10, 20))
ax1 = fig.add_subplot(2, 2, 1)ax1.axis("off")ax1.title.set_text('Original')ax2 = fig.add_subplot(2, 2, 2)ax2.axis("off")ax2.title.set_text("Equalized")
ax1.imshow(image_src, cmap=cmap_val)ax2.imshow(image_eq, cmap=cmap_val)return Truereturn image_eq
代码测试
equalize_this(image_file='lena_original.png', with_plot=True)
equalize_this(image_file='lena_original.png', with_plot=True, gray_scale=True)
总结
我们探索和实施不同的方法来增加图像强度，从而学到了很多东西。特别是，尝试通过引用和学习从头实现代码。
使用库方法始终是一件好事，因为它们更加优化并且可以100％工作。
图像处理是一门非常重要的学科，确实值得尝试，要有很多好奇心和自己的探索。
更多精彩推荐
☞AI 3D 传感器市场竞争白热化，中国掌握自主可控核心技术时不我待！☞小心！你家的 IoT 设备可能已成为僵尸网络“肉鸡”☞换脸火了，我用 python 快速入门生成模型点分享点收藏点点赞点在看
相关文章：
《中国人工智能学会通讯》——1.42 理解情感
1.42 理解情感 安德鲁摩尔认为，人工智能能“感受”人类情感是人工智能研究领域最重要、也最先进的一个方向。扬波利斯基认为，计算机能够理解语言的能力最终会向人和计算机“无缝沟通”的方向发展。 越来越精准的图像、声音和面部识别系统能让计算机更好探…
matlab中help所有函数功能的英文翻译
doc funname 在帮助浏览器中打开帮助文档help funname 在命令窗口打开帮助文档helpbrowser 直接打开帮助浏览器lookfor funname 搜索某个关键字相关函数demo 打开视频教程 转http://blog.renren.com/share/239121107/690877048 里面有些不全的，自己用到的已添加…
C# 静态构造函数
（1）用于对静态字段、只读字段等的初始化。 （2）添加static关键字，不能添加访问修饰符，因为静态构造函数都是私有的。 （3）类的静态构造函数在给定应用程序域中…
破解数据流通痛点，华控清交的隐私计算之道
从无序中寻找踪迹，从眼前事探索未来。 正值 IT 黄金十年新开端， CSDN 欲以中立技术社区专业、客观的角度，深度探讨中国前沿 IT 技术演进，现在推出年度重磅企划栏目——「拟合」，通过对话企业高管大咖，跟踪报…
mac系统添加VSCode到右键菜单（转）
转自：https://www.liaoxuefeng.com/wiki/001434446689867b27157e896e74d51a89c25cc8b43bdb3000/001470969077294a6455fc9cd1f48b69f82cd05e7fa9b40000 在Mac系统上，Finder选中一个目录，右键菜单并没有“通过Code打开”这个操作。不过我们可以…
在 C# 中通过 P/Invoke 调用Win32 DLL
，.NET Framework 1.0 或 1.1 版类库中存在任何 Windows 所没有的功能限制都不足为怪。毕竟，32 位的 Windows（不管何种版本）是一个成熟的操作系统，为广大客户服务了十多年。相比之下，.NET Framework 却是一个…
xp/2003开关3389指令
开启3389： echo offtitle 开启3389clsrem 开启3389reg add "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Terminal Server" /v fDenyTSConnections /t REG_DWORD /d 00000000 /f >nulecho.echo 提示你：3389已经开启 关闭3389&…
TIOBE 新榜单：Python 超越 Java 重回第二，Rust 崛起
作者 | 苏宓出品 | CSDN（ID：CSDNnews）TIOBE 官方最新发布了 5 月的编程语言榜单，不妨一起来看一下本月榜单中又有哪些最新的变化呢？Python 重回第二和 4 月相比，本月榜单的 TOP 10 中变化最大的非 Python 与…
Docker编排工具Fig介绍
本文讲的是Docker编排工具Fig介绍，【编者的话】Fig是一个基于Docker的用于快速搭建开发环境的工具，目前Fig团队已经加入Docker公司。Fig通过一个配置文件来管理多个Docker容器，非常适合组合使用多个容器进行开发的场景。Fig可以和Docker一起来…
java调用ffmpeg，mencoder进行视频转换，读取时长等
2019独角兽企业重金招聘Python工程师标准>>> 以前做的一个基于ffmpeg的视频格式转换的程序，现在抽空整理一下，很多地方都是从别的大神那借鉴的，只是把自己的觉得有用的，对别人有帮助的拿出来分享分享，下面是…
数字人民币实现可控匿名交易？产业升级离不开安全可信的“数字底座”
自央行进行数字人民币试点测试工作以来，人们讨论最多的可能是它的便捷性、匿名性。不过，它的意义远不止于人类个体层面。 作为一种面向未来的货币形式，在未来数字经济时代，央行数字人民币的普及无疑将加速全球资产数字化和身份数…
apache+tomcat 搭建负载均衡系统
apachetomcatmod_jk 搭建负载均衡系统。0.os系统采用centos6.8 x64 2.6.32-642.el6.x86_641.首先安装好jdk环境本次采用jdk-8u111-linux-x64.gz jdk和jre的安装目录要不同，否则的话lib目录下没有dt.jar 和tools.jar 要配置好环境变量如下 vi /etc/profile #ad…
从普本到北大：我的跨校跨专业考研经验
首先做一个我考研情况的简介。 经历了2013年考研的混战，据说是史上考研人数顶峰的年份，因为2014改革，不再有自费生之后，人民群众对于所谓学术硕士的需求量激减，继 而投奔价格费用相当，读书年份较少的专业硕…
C#中使用DirectX编程
我感觉声音的播放比较简单。我们从播放声音开始。为什么我这么觉得？我也不知道。这里是展示最最最最最简单的DirectX播放声音的例子，我尽量省略了无关的代码。最后的代码只有19行，够简单了吧？ 准备工作：1.安装了Direc…
40+场面试，100%通过率，我想分享的14条经验
来源 | 陈同学在搬砖头图 | 下载于视觉中国大家好，我是陈同学，首先来一个简单的自我介绍和个人的经历分享。我的本科和硕士均就读于哈工大，在研究生期1年时间内自学操作系统、计算机网络、C、数据结构等，累计学习30本书、500博客文…
云端卫士架构师讲DDoS攻击的智能防御之道
DDoS即分布式拒绝服务攻击，这是一场关乎资源的较量，攻击者通过自己控制的大量僵尸主机，向目标设施（服务器、运营商网络和基础架构等）发起洪水猛兽般的流量型攻击，或是连绵不绝的应用型攻击。 如果将受害者比…
C＃中方法参数的四种类型
C＃中方法的参数有四种类型：－值参数：不含任何修饰符。方法中的形参是实参的一份拷贝，形参的改变不会影响到内存中实参的的值，实参是安全的。－引用参数：以ref修饰符声明。传递的参数实…
赠书 | 算力时代，用 Python 来快速解决复杂问题
Python作为一种编程语言，拥有简洁、高效的表达能力。与此同时，Python语言环境中还配备各种软件库，即模块。结合实际问题，选择适当的模块，便可生成简单、快速、正确的程序。书中列举了一些数值计算的简单例题࿰…
用for实现Go的while和do...while
Go的while和do...while实现 Go语言没有while和do...while语法，我们可以通过for实现：即break在业务代码执行前相当与while，break在业务代码执行后相当do...while while for {if condition {break}xxxxxxxx } do...while for {xxxxxxxxif cond…
DTCC：数据库安全重点在数据拷贝过程中
本文讲的是DTCC：数据库安全重点在数据拷贝过程中，2017年5月11日-13日，2017中国数据库技术大会于北京国际会议中心盛大开幕。作为国内最受关注的数据库技术大会，本届大会以“数据驱动价值发现”为主题，汇集多个领域的百…
Log4J配置方式Java工程测试
2019独角兽企业重金招聘Python工程师标准>>> Log4J配置方式 1、 导入jar包 Commons-logging .jarLog4j-1.2.17.jar2、 编写log4j.properties 文件 ############## ############################## 优先级 INFO ,输出到console_log 和filelog 两个位置 log4j.root…
C#“装箱”（boxing）与“拆箱”（unboxing）
装箱和拆箱：任何值类型、引用类型可以和object（对象）类型之间进行转换。装箱转换是指将一个值类型隐式或显式地转换成一个object类型，或者把这个值类型转换成一个被该值类型应用的接口类型（interface-type）…
无人机、IoT 设备都有漏洞？专访以色列老牌安全企业Check Point | 拟合
从无序中寻找踪迹，从眼前事探索未来。2021 年正值黄金十年新开端，CSDN 以中立技术社区专业、客观的角度，深度探讨中国前沿 IT 技术演进，推出年度重磅企划栏目——「拟合」，通过对话企业技术高管大咖，跟踪报…
sql server 在占用服务器内存居高不下怎么办【转】
在管理一个测试服务器的时候，内存使用率居高不下，在资源管理器中查看到 sql server 2008 占用了80%的系统资源，于是找到了一下资料，并解决了Sql Server 2008 占用内存过大的问题。 转自百度经验http://jingyan.baidu.com/article…
C# checked、unchecked操作符
checked和unchecked操作符用于整型算术运算时控制当前环境中的溢出检查。下列运算参与了checked和unchecked检查（操作数均为整数）：1） 预定义的＋＋和――一元运算符。2） 预定义的－一…
TPAMI 2021 | 深度赋智AutoDL系列竞赛世界冠军方案首次公开
导读：「深度赋智」斩获NeurIPS-AutoDL 2019系列竞赛总决赛世界冠军，在图像/音频/视频/文本/表格不同场景的十个数据集上稳定获得八项第一和均分第一。为共同推动AutoDL技术的快速发展，冠军方案的技术细节首次公开，最新相关论文已被…
转: 如何实现jQuery的Ajax文件上传
【PHP文件上传】 在开始之前，我觉得是有必要把通WEB上传文件的原理简单说一下的。实际上，在这里不管是PHP，JSP，还是ASP处理上传的文件，其实都是WEB早已把文件上传到服务器了，我们只是运用上传处理函数来处理…
Mybatis遍历查询 ——foreach
第一步： 在xxxMapper接口中添加一个函数，返回一个list，这里的参数是一个integer类型的集合 public List<Emp> findEmpByList(Param("list") List<Integer> list); 第二步： 在xxxMapper.xml 中添加statement…
C#中如何获取注册表信息
实现方式：利用Microsoft.win32类提供的注册表类访问系统注册表获取ODBC数据服务列表。 具体实现： Microsoft.win32提供了RegistryKey类，用来访问系统的注册表。 ///定义注册表子Path string strRegPath "SOFTWARE/ODBC/ODBC.INI…
用 Python 实现隐身，我可以 | 文末福利
作者 | 李秋键头图 | 下载于视觉中国出品 | AI 科技大本营（ID:rgznai100）引言：视频和图像的隐身术是指在视频或者图像中中，在没有任何输入遮罩的情况下，通过框选目标体，使得程序实现自动去除视频中的文本叠…