opencv python 图像亮度均衡化

图像亮度均衡化是一种常用的图像增强技术，它可以使图像的整体亮度更加均匀，提高图像的视觉效果和识别率。在 OpenCV 中，可以使用 cv2.equalizeHist() 函数实现图像亮度均衡化。

以下是一个简单的 Python 代码示例：

import cv2

img = cv2.imread('image.jpg', 0)  # 读取灰度图像
equ = cv2.equalizeHist(img)  # 图像亮度均衡化
cv2.imshow('image', equ)
cv2.waitKey(0)
cv2.destroyAllWindows()

首先，使用 cv2.imread() 函数读取一张灰度图像。然后，使用 cv2.equalizeHist() 函数对图像进行亮度均衡化。最后，使用 cv2.imshow() 函数显示均衡化后的图像，并使用 cv2.waitKey() 函数等待用户按下任意按键关闭显示窗口。

注意：在进行图像亮度均衡化之前，需要将图像转换为灰度图像。如果图像是彩色图像，则需要先将其转换为灰度图像，然后再进行亮度均衡化。

相关问题

opencv-python 亮度均衡化

OpenCV-Python 是一个流行的计算机视觉库，它提供了一系列图像处理函数，包括亮度均衡化。亮度均衡化是一种增强图像对比度的技术，通常用于改善图像的整体亮度分布，使暗部细节和亮部区域更易于辨认。OpenCV 中常用的一种亮度均衡化算法是直方图均衡化（Histogram Equalization），其基本原理是调整像素值的映射，使得每个像素值的概率分布均匀。

以下是使用 OpenCV-Python 实现简单亮度均衡化的步骤：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 应用直方图均衡化
equ_hist = cv2.equalizeHist(image)

# 显示原图和处理后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Equalized Image', equ_hist)

# 等待用户按键并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`cv2.equalizeHist()` 函数会返回一个新的灰度图像，其中每个像素的强度都进行了调整，以使得整个图像的亮度分布更加均匀。

python opencv局部亮度均衡化处理

在Python的OpenCV库中，局部亮度均衡化是一种图像增强技术，用于改善图像对比度，特别适用于那些光照不均匀的场景。它通过对每个像素周围一小区域内的灰度值进行统计分析，然后计算出该像素的新灰度值，使其相对于其邻域内的像素更均匀。

`cv2.createCLAHE()`函数是OpenCV提供的用于局部对比度均值适应（Local Contrast Adaptive Histogram Equalization, CLAHE）的核心工具。下面是一个简单的例子：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE)

# 创建CLAHE对象，设置大小和邻域
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

# 对图像应用CLAHE
equalized = clahe.apply(image)

# 显示原图和处理后的图像
cv2.imshow("Original Image", image)
cv2.imshow("Equalized Image", equalized)

# 等待用户按键并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`clipLimit`参数控制了亮度调整的程度，`tileGridSize`指定了统计区域（也称为“tiles”）的大小。