直方图均衡化python代码

以下是基于Python的直方图均衡化代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图像
img = cv2.imread('input.jpg', 0)

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

# 展示原始图像和直方图均衡化后的图像
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Input Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(equ, cmap='gray')
plt.title('Equalized Image'), plt.xticks([]), plt.yticks([])
plt.show()

在代码中，我们首先使用`cv2.imread`方法读取了一张灰度图像。然后，我们使用`cv2.equalizeHist`方法对图像进行直方图均衡化。最后，我们使用`matplotlib`库展示了原始图像和直方图均衡化后的图像。

相关问题

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：

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。

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，可以通过调整图像的像素值分布来实现。下面是一个简单的Python代码示例来实现直方图均衡化：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('image.jpg', 0)

# 计算直方图
hist, bins = np.histogram(image.flatten(), 256, [0, 256])

# 计算累积分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()

# 进行直方图均衡化
equalized_image = np.interp(image.flatten(), bins[:-1], cdf_normalized).reshape(image.shape)

# 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()

这段代码使用了OpenCV库来读取图像，并使用NumPy和Matplotlib库进行直方图计算和显示。首先，通过`cv2.imread`函数读取图像，并将其转换为灰度图像（参数`0`表示灰度模式）。然后，使用`np.histogram`函数计算图像的直方图，并使用`cumsum`函数计算累积分布函数。接下来，使用`np.interp`函数将原始图像的像素值映射到新的像素值，从而实现直方图均衡化。最后，使用Matplotlib库显示原始图像和均衡化后的图像。