對比度增強（三）：全局直方圖均衡化

 

圖像為I,寬為W,高為H，hist_i代表I的灰度直方圖，hist_i(k)代表灰度值等於k的像素點個數，其中k∈[0,255]。全局直方圖均衡化操作是對圖像I進行改變，使得輸出圖像O的灰度直方圖hist_o是“平”的，即每一個灰度級的像素點個數是“相等”的（可為約等），即hist_o(k)≈H*W/256,k∈[0,255],那么對於任意的灰度級p，0≤p≤255，總能找到q，0≤q≤255，使得：

將hist_o(k)≈H*W/256帶入（1）中，得：

 

 化簡為：

 

　　　　　　　　

 

 

   最終公式變為：

 

 其中H與W為圖像的高與寬。

 

可根據此公式對圖像進行全局直方圖均衡化。

 

 

import math
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# img=cv.imread('4.bmp',2)
img=cv.imread('3.jpg',2)
cv.imshow('original_img',img)
H,W=img.shape
O=np.zeros((H,W))
print(img.shape)
gray=cv.calcHist([img],[0],None,[256],[0,256])



# 計算累加灰度直方圖
gray_accumulate=np.zeros([256],np.int)
for i in range(256):
    if i ==0:
        gray_accumulate[i]=gray[0]
    else:
        gray_accumulate[i]=gray[i]+gray_accumulate[i-1]


O_out = np.zeros([256],np.uint8)

for i in range(256):
    q = gray_accumulate[i]*256/(H*W)-1    # 此處可以幫助理解公式
    if q >= 0:
        O_out[i] = math.floor(q)
    else:
        O_out[i] = 0
hist_img = np.zeros(img.shape,np.uint8)

for r in range(H):
    for c in range(W):
        hist_img[r][c] = O_out[img[r][c]]    # 此處可以幫助理解公式

print(O_out)




x = [float(i) for i in range(0,256)]
# fig = plt.figure(1)
plt.subplot(321)
y=[]
for i in range(len(gray)):
    y.append(gray[i,0])
plt.plot(x,y,c='r', linewidth=3, label='pxiel trend')
# plt.legend(loc='upper left')
plt.grid()
plt.title('gray_original')
plt.ylabel('pixel number')
plt.xlabel('pixel value')


plt.subplot(322)
y1=[]
for i in range(len(gray_accumulate)):
    y1.append(gray_accumulate[i])
plt.plot(x,y1,c='r', linewidth=3, label='pxiel trend')
plt.grid()
plt.title('pixel_accumulate')
plt.ylabel('pixel_accumulate number')
plt.xlabel('pixel value')

plt.subplot(323)
y2=[]
for i in range(len(O_out)):
    y2.append(O_out[i])
plt.plot(x,y2,c='r', linewidth=3, label='pxiel trend')
plt.grid()
plt.title('O_out')
plt.ylabel('pixel_accumulate_out number')
plt.xlabel('pixel value')



plt.subplot(324)
plt.imshow(img,cmap=plt.cm.gray)    # 顯示灰度
plt.title('img_original')



plt.subplot(325)
hist_img=hist_img.astype(np.uint8)
plt.imshow(hist_img,cmap=plt.cm.gray)    # 顯示灰度
plt.title('img_or')

plt.show()