圖像直方圖歸一化 Histogram Normalization

一. 直方圖歸一化

        有些灰度圖像的像素並沒有分布在 [0,255] 內，而是分布在 [0,255] 的子區間內。這樣的圖像肉眼看上去往往不是很清晰。我們可以通過直方圖歸一化的方式，將它的像素分布從 [0,255] 的子區間變為 [0,255] 范圍內。通過這樣的方式，往往可以增加圖像的清晰度。

        這種歸一化直方圖的操作被稱為灰度變換（Grayscale Transformation）。像素點的取值范圍從 [c,d] 轉換到 [a,b] 的算法如下：

直方圖歸一化算法  ↑

 

---

二. 實驗：將一張灰度范圍為 [10,160] 的圖像進行直方圖歸一化，使其灰度范圍為 [0,255]

import cv2
import numpy as np
import matplotlib.pyplot as plt

# histogram normalization
def hist_normalization(img, a=0, b=255):
    # get max and min
    c = img.min()
    d = img.max()

    out = img.copy()

    # normalization
    out = (b-a) / (d - c) * (out - c) + a
    out[out < a] = a
    out[out > b] = b
    out = out.astype(np.uint8)
    
    return out

# Read image
img = cv2.imread("../head_g_n.jpg",0).astype(np.float)
# histogram normalization
out = hist_normalization(img)

# Display histogram
plt.hist(out.ravel(), bins=255, rwidth=0.8, range=(0, 255))
plt.savefig("out_his.jpg")
plt.show()

# Save result
cv2.imshow("result", out)
cv2.imwrite("out.jpg", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

---

三. 實驗結果及分析

原圖像像素分布直方圖[10,160] ↑

 

 

 

原圖像 ↑

歸一化后的圖像像素分布直方圖[0,255] ↑

 

 

 

歸一化后的圖像 ↑

 

        可以看到，我們將灰度范圍為 [10,160] 的圖像進行直方圖歸一化到 [0,255] 后，圖像的清晰度顯著增強。

---

四. 參考內容：

　　https://www.jianshu.com/p/7b4bf0f2621b