图像概论实验 编写Python实现直方图均衡化和大津阈值法思路

图像概论实验通常涉及对数字图像的基本处理和分析，其中直方图均衡化是一种常见的增强图像对比度的技术。直方图均衡化主要是为了使图像的像素强度分布更均匀，从而使图像中的细节更加明显。

在Python中，我们可以使用PIL（Python Imaging Library）或其后续版本Pillow库来操作图像，并利用NumPy进行数值计算。以下是直方图均衡化的简单步骤：

1. 导入必要的库：

from PIL import Image
import numpy as np

2. 加载图像：

image = Image.open('your_image.jpg')
image_array = np.array(image)

3. 计算原图像的直方图（histogram）：

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

4. 创建累积分布函数（Cumulative Distribution Function, CDF），并进行线性插值：

cdf = hist.cumsum()
cdf_normalized = cdf * (255 / cdf.max())

5. 使用CDF将每个像素映射到新的亮度值：

equilibrated_array = np.interp(image_array.flatten(), bins[:-1], cdf_normalized).reshape(image_array.shape)

6. 再次转换回Image对象并保存结果：

equilibrated_image = Image.fromarray(equilibrated_array.astype('uint8'))
equilibrated_image.save('equilibrated_image.jpg')

至于大津阈值法，也称为Otsu's thresholding，它是一种二值化技术，用于自动确定图像中前景和背景之间的最佳分割阈值。Python中可以使用skimage库的`threshold_otsu`函数来应用这种方法：

from skimage.filters import threshold_otsu

# 对图像进行直方图均衡化（如果尚未做）
equilibrated_array = ... # 之前均衡化的数组

# 应用大津阈值
binary_image = equilibrated_array > threshold_otsu(equilibrated_array)

# 保存二值化后的图像
binary_image = Image.fromarray(binary_image.astype('uint8'))
binary_image.save('binary_image.jpg')