直方图均衡化python
时间: 2023-07-03 07:27:06 浏览: 44
好的,下面是Python中实现直方图均衡化的示例代码:
```
import cv2
import numpy as np
# 读取图像
img = cv2.imread('image.jpg', 0)
# 进行直方图均衡化
equ = cv2.equalizeHist(img)
# 显示结果
cv2.imshow('Original image', img)
cv2.imshow('Equalized image', equ)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
其中,`cv2.imread()`函数用于读取图像,`cv2.equalizeHist()`函数用于进行直方图均衡化。最后使用`cv2.imshow()`函数显示原始图像和均衡化后的结果。需要注意的是,这里的图像是灰度图像,如果是彩色图像需要先将其转换为灰度图像再进行处理。
相关问题
直方图均衡化 python
直方图均衡化是一种常用的图像增强方法,可以提高图像的对比度和亮度。在Python中,可以使用OpenCV库来实现直方图均衡化。具体步骤如下:
1. 读取图像
2. 将图像转换为灰度图像
3. 计算灰度图像的直方图
4. 计算累积分布函数
5. 根据累积分布函数计算新的像素值
6. 将新的像素值赋给原始图像
7. 显示增强后的图像
下面是一个简单的示例代码:
```python
import cv2
# 读取图像
img = cv2.imread('image.jpg')
# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 计算灰度图像的直方图
hist, bins = np.histogram(gray.flatten(), 256, [0, 256])
# 计算累积分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()
# 根据累积分布函数计算新的像素值
new_gray = np.interp(gray.flatten(), bins[:-1], cdf_normalized)
# 将新的像素值赋给原始图像
new_gray = new_gray.reshape(gray.shape)
new_img = cv2.merge((new_gray, new_gray, new_gray))
# 显示增强后的图像
cv2.imshow('Enhanced Image', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
直方图均衡化Python代码
直方图均衡化是一种用于增强图像对比度的方法,可以使图像的像素值分布更加均匀。下面是一个简单的直方图均衡化的Python代码示例:
```python
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 读取图像
image = cv2.imread('image.jpg', 0)
# 进行直方图均衡化
equalized_image = cv2.equalizeHist(image)
# 显示原始图像和均衡化后的图像
plt.subplot(121)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.subplot(122)
plt.imshow(equalized_image, cmap='gray')
plt.title('Equalized Image')
plt.show()
```
在这个示例中,我们使用了OpenCV库来读取图像,并使用`equalizeHist`函数进行直方图均衡化。最后,使用Matplotlib库来显示原始图像和均衡化后的图像。