opencv亮度均衡化处理python

OpenCV是一个开源计算机视觉库，它提供了许多图像处理功能，包括亮度均衡化。在Python中，可以使用OpenCV的`cv2.equalizeHist()`函数来进行亮度均衡化。这个函数会统计输入图像中每个像素值出现的频率，并创建一个新的直方图，然后将原始像素映射到新的直方图上，使得图像的整体亮度分布更均匀。

下面是一个简单的例子：

import cv2
import numpy as np

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

# 对图像进行亮度均衡化
equaled_image = cv2.equalizeHist(image)

# 显示原图和处理后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Equalized Image', equaled_image)
cv2.waitKey(0)  # 等待用户按键
cv2.destroyAllWindows()  # 关闭所有窗口

相关问题

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。

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。