直方圖均衡Python

對於圖像處理，直方圖均衡是一種很常用的圖像增強技術，可以將一幅圖像中灰度較低的區域和灰度較高的區域之間的灰度值差異增強，達到提高圖像對比度的目的。Python中也有相關庫函數可以實現直方圖均衡，這篇文章將從多個方面對其進行詳細講解。

一、簡介

直方圖是描述圖像灰度級分佈的函數，表示圖像中各個強度級所具有的像素數目。一般來說，我們可以通過直方圖了解圖像的亮度分佈情況。直方圖均衡化是一種增強圖像對比度的方法，通過對直方圖進行變換來實現，使得分佈在低灰度區域的像素值均勻分佈在整個灰度級範圍內，從而提高圖像的對比度。

Python中，通過PIL庫中的ImageOps模塊可以直接調用已經封裝好的直方圖均衡函數equalize()實現圖像的直方圖均衡化。

from PIL import Image, ImageOps

image = Image.open("example.jpg")
image_enhanced = ImageOps.equalize(image)

二、實現過程

在實現直方圖均衡過程中，需要分別進行如下三個步驟：

1.計算直方圖

計算圖像的灰度級分佈情況，即直方圖。可以利用Python中的numpy和matplotlib庫來實現計算和繪製直方圖。

import numpy as np
import matplotlib.pyplot as plt

image = plt.imread("example.jpg")
hist, bins = np.histogram(image.flatten(), 256, [0,255])

plt.plot(hist)
plt.show()

2.計算累計概率分佈函數

根據計算出來的直方圖，計算出累計概率分佈函數(CDF)，即各個灰度級所佔比例的累積分佈情況。

cdf = hist.cumsum()
cdf_normalized = cdf / cdf.max()

plt.plot(cdf_normalized)
plt.show()

3.計算映射表

根據累計概率分佈函數，計算出映射表，即原圖像中每個像素值對應的新像素值。

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')

image_enhanced = np.interp(image, bins[:-1], cdf)

三、示例代碼

預處理，包括讀取及灰度轉換

from PIL import Image
import numpy as np

image = Image.open("example.jpg")
image = image.convert("L")

計算直方圖

import matplotlib.pyplot as plt

hist, bins = np.histogram(image.flatten(), 256, [0,255])

plt.plot(hist)
plt.show()

計算累計概率分佈函數

cdf = hist.cumsum()
cdf_normalized = cdf / cdf.max()

plt.plot(cdf_normalized)
plt.show()

計算映射表

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')

image_enhanced = np.interp(image, bins[:-1], cdf)

使用PIL庫進行直方圖均衡

from PIL import ImageOps

image_enhanced_pil = ImageOps.equalize(image)

image_enhanced_pil.show()

四、應用場景

直方圖均衡是提高圖像對比度的一種有效方法，可用於各種圖像處理領域中，如計算機視覺、圖像識別等。

在特定應用場景中，如軍事偵察、安保等，對於圖像的清晰度要求很高，直方圖均衡技術可以提高圖像的對比度、增強細節信息，有利於圖像的分析和處理。

五、總結

直方圖均衡是一種常用的圖像增強技術，Python中也有相關庫函數可以實現圖像的直方圖均衡。通過計算直方圖、累計概率分佈函數和映射表，可以實現對圖像的直方圖均衡，從而增強圖像對比度、提高細節信息的清晰度。