python - 直方图均衡:未获得所需的输出图像

Question

我试图自己实现直方图均衡功能，但没有得到所需的输出图像。

import numpy as np
import cv2
import matplotlib.pyplot as plt
import math
%matplotlib inline

def freq(lst):
    d = {}
    for i in lst:
        for j in i:
            if d.get(j):
                d[j] += 1
            else:
                d[j] = 1

    return d
def probability(d,total_pixels):
    l = {}
    for i in range(256):
        value = d.get(i)
        if value != None:
            l[i] = value/total_pixels
    return l
def equalizer(d, l):
    f_dic = {}
    last_sum = 0
    for i in range(l):
        if d.get(i):
            prob = d.get(i)
            last_sum = last_sum+((l-1)*prob)
            f_dic[i] = math.floor(last_sum)
    return f_dic
def replace_values(f_dic, img):
    print(f_dic)
    for i in range(len(img)):
        for j in range(len(img)):
            vv = f_dic.get(img[i][j])
            if vv != None:
                img[i][j] = vv
    return img
def histogramEqualization(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    freqq = freq(img)
    area = img.shape
    total_pixels = area[0]*area[1]
    prob = probability(freqq, total_pixels)
    f_dic = equalizer(prob,len(img))
    new_img = replace_values(f_dic,img)
    return new_img
pollen_dark = cv2.imread("/home/ahmed/Downloads/dip/DIP_A1_Fall2019/pollen_dark.tif")
new = histogramEqualization(pollen_dark)
plt.imshow(new, cmap='gray')

我得到这个图像:

输入图像是这样的:

所需的输出图像是:
。
解决此问题的公式实现

Answer 1

使用NumPy进行此操作的一种方法是使用np.unique()查找要修改的值及其概率分布函数(pdf)，该函数基本上是直方图。根据从pdf上np.cumsum()获得的累积分布函数(cdf)，可使用以下公式生成相应的归一化值:
round((cdf - min_cdf) / (num_voxels - min_cdf) * (depth - 1))
整个概念(以及公式)在Wikipedia中得到了很好的图示说明。

与循环遍历数组相比，这通常是一种更干净的方法:

DEPTH = 2 ** 8


def hist_equalization(arr, depth=DEPTH):
    vals, pdf = np.unique(arr, return_counts=True)
    cdf = np.cumsum(pdf)
    min_cdf = min(cdf)
    new_vals = (
        np.round((cdf - min_cdf) / (arr.size - min_cdf) * (depth - 1))
        .astype(int))
    result = np.empty_like(arr)
    for i, val in enumerate(vals):
        result[np.nonzero(arr == val)] = new_vals[i]
    return result


plt.imshow(arr, cmap='gray', vmin=0, vmax=DEPTH - 1)
plt.imshow(hist_equalization(arr), cmap='gray', vmin=0, vmax=DEPTH - 1)

输入:



输出:



(完整脚本可用 here。请注意，为了方便起见，我使用 PIL而不是 cv进行I / O，但这与问题无关。)

编辑

在您的代码中到处都是小故障(有些不太严重，有些更严重)，但是阻碍您获得正确结果的是 equalizer()本质上是错误的。

如果您将 equalizer()版本替换为:

def equalizer(pdf, l, depth=2 ** 8):
    min_cdf = pdf[min(pdf)]
    result = {}
    accumulator = 0
    for k, v in sorted(pdf.items()):
        accumulator += v
        result[k] = int(round((accumulator - min_cdf) / (l - min_cdf) * (depth - 1)))     
    return result

被称为:

f_dic = equalizer(freqq, total_pixels)

然后，其余的代码应该可以工作。
请注意， probability()完全没有必要，您确实需要 total_pixels(或 img.size)，因为应用于N维数组的 len(img)将沿第0维给出长度 ，而不是像素总数。

(这也包括here。)