个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
24
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章详解python OpenCV学习笔记之直方图均衡化由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
本文介绍了python OpenCV学习笔记之直方图均衡化，分享给大家，具体如下:
官方文档 – https://docs.opencv.org/3.4.0/d5/daf/tutorial_py_histogram_equalization.html 。
考虑一个图像，其像素值仅限制在特定的值范围内。例如，更明亮的图像将使所有像素都限制在高值中。但是一个好的图像会有来自图像的所有区域的像素。所以你需要把这个直方图拉伸到两端(如下图所给出的)，这就是直方图均衡的作用(用简单的话说)。这通常会改善图像的对比度.
建议阅读关于直方图均衡的wikipedia页面Histogram Equalization，了解更多有关它的详细信息。它给出了一个很好的解释，给出了一些例子，这样你就能在读完之后理解所有的东西。同样，我们将看到它的Numpy实现。之后，我们将看到OpenCV函数.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import
numpy as np
import
cv2 as cv
from
matplotlib
import
pyplot as plt
img
=
cv.imread(
'wiki.jpg'
,
0
)
hist, bins
=
np.histogram(img.flatten(),
256
, [
0
,
256
])
cdf
=
hist.cumsum()
cdf_normalized
=
cdf
*
float
(hist.
max
())
/
cdf.
max
()
plt.plot(cdf_normalized, color
=
'b'
)
plt.hist(img.flatten(),
256
,[
0
,
256
], color
=
'r'
)
plt.xlim([
0
,
256
])
plt.legend((
'cdf'
,
'histogram'
), loc
=
'upper left'
)
plt.show()
|
你可以看到，直方图位于更亮的区域。我们需要完整的频谱。为此，我们需要一个转换函数，它将更亮区域的输入像素映射到全区域的输出像素。这就是直方图均衡所做的.
现在我们找到了最小的直方图值(不包括0)，并应用了在wiki页面中给出的直方图均衡等式。但我用在Numpy的遮罩数组的概念数组上。对于遮罩数组，所有操作都是在非遮罩元素上执行的.
|
1
2
3
|
cdf_m
=
np.ma.masked_equal(cdf,
0
)
cdf_m
=
(cdf_m
-
cdf_m.
min
())
*
255
/
(cdf_m.
max
()
-
cdf_m.
min
())
cdf
=
np.ma.filled(cdf_m,
0
).astype(
'uint8'
)
|
现在我们有了一个查找表，它提供了关于每个输入像素值的输出像素值的信息。所以我们只要应用变换.
|
1
|
img2
=
cdf[img]
|
现在我们计算它的直方图和cdf，就像之前一样，结果如下:
另一个重要的特征是，即使图像是一个较暗的图像(而不是我们使用的更亮的图像)，在均衡之后，我们将得到几乎相同的图像。因此，它被用作一种“参考工具”，使所有的图像都具有相同的光照条件。这在很多情况下都很有用。例如，在人脸识别中，在对人脸数据进行训练之前，人脸的图像是均匀的，使它们具有相同的光照条件.
OpenCV中的直方图均衡化 。
OpenCV有一个函数可以这样做，cv.equalizeHist()。它的输入只是灰度图像，输出是我们的直方图均衡图像.
|
1
2
3
4
|
img
=
cv.imread(
'wiki,jpg'
,
0
)
equ
=
cv.equalizeHist(img)
res
=
np.hstack((img, equ))
# 并排叠加图片
cv.imwrite(
'res.png'
, res)
|
所以现在你可以用不同的光条件来拍摄不同的图像，平衡它，并检查结果.
当图像的直方图被限制在一个特定的区域时，直方图均衡是很好的。在那些有很大强度变化的地方，直方图覆盖了一个大区域，比如明亮的和暗的像素，这样的地方就不好用了.
CLAHE（对比有限的自适应直方图均衡/Contrast Limited Adaptive Histogram Equalization） 。
我们刚刚看到的第一个直方图均衡化，考虑到图像的全局对比。在很多情况下，这不是一个好主意。例如，下图显示了一个输入图像及其在全局直方图均衡之后的结果.
在直方图均衡化之后，背景对比得到了改善。但是比较两幅图像中的雕像的脸。由于亮度过高，我们丢失了大部分的信息。这是因为它的直方图并不局限于一个特定的区域，就像我们在前面的例子中看到的那样.
为了解决这个问题，可以使用了自适应直方图均衡。在这一点上，图像被划分为几个小块，称为“tiles”(在OpenCV中默认值是8x8)。然后每一个方块都是像平常一样的直方图。因此，直方图会限制在一个小区域(除非有噪声)。如果噪音在那里，它就会被放大。为了避免这种情况，会应用对比限制。如果任何直方图bin超出指定的对比度限制（默认情况下是40），在应用直方图均衡之前，这些像素被裁剪并均匀地分布到其他bin。均衡后，删除边界中的工件，采用双线性插值.
cv.createCLAHE([, clipLimit[, tileGridSize]]) 。
|
1
2
3
4
5
6
7
8
9
10
|
import
numpy as np
import
cv2 as cv
img
=
cv.imread(
'tsukuba_1.png'
,
0
)
# create a CLAHE object (Arguments are optional).
clahe
=
cv.createCLAHE(clipLimit
=
2.0
, tileGridSize
=
(
8
,
8
))
cl1
=
clahe.
apply
(img)
cv.imread(
'clahe_2.jpg'
, cl1)
|
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.
原文链接：http://blog.csdn.net/JS_XH/article/details/79263572 。
最后此篇关于详解python OpenCV学习笔记之直方图均衡化的文章就讲到这里了,如果你想了解更多关于详解python OpenCV学习笔记之直方图均衡化的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
24
4
0
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题？ 更新问题，以便 editing this post 可以用事实和引用来回答它. 关闭 9 年前。 Improve
介绍篇 什么是MiniApis？ MiniApis的特点和优势 MiniApis的应用场景 环境搭建 系统要求 安装MiniApis 配置开发环境 基础概念 MiniApis架构概述
我正在从“JavaScript 圣经”一书中学习 javascript，但我遇到了一些困难。我试图理解这段代码: function checkIt(evt) { evt = (evt) ? e
package com.fastone.www.javademo.stringintern; /** * * String.intern()是一个Native方法， * 它的作用是：如果字
您会推荐哪些资源来学习 AppleScript。我使用具有 Objective-C 背景的传统 C/C++。 我也在寻找有关如何更好地开发和从脚本编辑器获取更快文档的技巧。示例提示是“查找要编写脚本的
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 4年前关闭。 Improve thi
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
关闭。这个问题不符合 Stack Overflow guidelines 。它目前不接受答案。 想改善这个问题吗？更新问题，以便堆栈溢出为 on-topic。 6年前关闭。 Improve this
我是塞内加尔的阿里。我今年60岁(也许这是我真正的问题-笑脸!!!)。 我正在学习Flutter和Dart。今天，我想使用给定数据模型的列表(它的名称是Mortalite，请参见下面的代码)。 我尝试
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题？ Update the question所以它是on-topic对于堆栈溢出。 9年前关闭。 Improve this que
学习 Cappuccino 的最佳来源是什么？我从事“传统”网络开发，但我对这个新框架非常感兴趣。请注意，我对 Objective-C 毫无了解。 最佳答案 如上所述，该网站是一个好地方，但还有一些其
我正在学习如何使用 hashMap，有人可以检查我编写的这段代码并告诉我它是否正确吗？这个想法是有一个在公司工作的员工列表，我想从 hashMap 添加和删除员工。 public class Staf
我正在尝试将 jQuery 与 CoffeScript 一起使用。我按照博客中的说明操作，指示使用 $ -> 或 jQuery -> 而不是 .ready() 。我玩了一下代码，但我似乎无法理解我出错
还在学习，还有很多问题，所以这里有一些。我正在进行 javascript -> PHP 转换，并希望确保这些做法是正确的。是$dailyparams->$calories = $calories;一条
我目前正在学习 SQL，以便从我们的 Magento 数据库制作一个简单的 RFM 报告，我目前可以通过导出两个查询并将它们粘贴到 Excel 模板中来完成此操作，我想摆脱 Excel 模板。 我认为
我知道我很可能会因为这个问题而受到抨击，但没有人问，我求助于你。这是否是一个正确的 javascript > php 转换 - 在我开始不良做法之前，我想知道这是否是解决此问题的正确方法。 JavaS
除了 Ruby-Doc 之外，哪些来源最适合获取一些示例和教程，尤其是关于 Ruby 中的 Tk/Tile？我发现自己更正常了 http://www.tutorialspoint.com/ruby/r
我只在第一次收到警告。这正常吗？ >>> cv=LassoCV(cv=10).fit(x,y) C:\Python27\lib\site-packages\scikit_learn-0.14.1-py
按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持，但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the
As it currently stands, this question is not a good fit for our Q&A format. We expect answers to be
我是一名优秀的程序员,十分优秀！