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。

相关问题

图像直方图均衡化opencv-python

图像直方图均衡化是一种常用的图像增强技术，它通过调整图像的像素灰度分布，使得整个图像的亮度动态范围得到扩大，从而使暗部细节和亮部细节变得更加明显。在OpenCV-Python中，你可以使用`cv2.equalizeHist()`函数来进行直方图均衡化。

下面是一个简单的例子：

import cv2
import numpy as np

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

# 进行直方图均衡化
equ_hist = cv2.equalizeHist(img)

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

# 等待用户按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码中，我们首先加载一个灰度图像，然后对它应用直方图均衡化，最后显示原图和处理后的图像。直方图均衡化会改变图像的整体色调，使其对比度提高，适合于那些光照不足、对比度过低的场景。

opencv-python 图像直方图和直方图均衡化

OpenCV-Python是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。其中，图像直方图和直方图均衡化是图像处理中常用的技术。

1. 图像直方图：
图像直方图是一种统计图，用于表示图像中各个灰度级别的像素数量。它可以帮助我们了解图像的亮度分布情况。直方图通常以灰度级别为横坐标，像素数量为纵坐标进行绘制。通过分析直方图，我们可以得到图像的亮度信息，进而进行后续的图像处理操作。

2. 直方图均衡化：
直方图均衡化是一种用于增强图像对比度的方法。它通过重新分布图像的灰度级别，使得图像中各个灰度级别的像素数量尽可能均匀分布。这样可以使得图像的亮度范围更广，细节更加清晰。直方图均衡化的过程包括以下几个步骤：
- 计算原始图像的灰度直方图；
- 计算累积分布函数（CDF）；
- 根据CDF对原始图像进行灰度级别映射，得到均衡化后的图像。

通过直方图均衡化，我们可以改善图像的视觉效果，使得图像更加清晰、对比度更强。