直方图均衡化python函数

以下是使用Python中的exposure模块中的equalize_hist()函数来完成直方图均衡化的例子：

from skimage import io, exposure

# 读取图像
image = io.imread('image.jpg')

# 直方图均衡化
image_eq = exposure.equalize_hist(image)

# 显示原图和均衡化后的图像
io.imshow(image)
io.show()
io.imshow(image_eq)
io.show()

在上述代码中，我们首先使用skimage模块中的io模块读取了一张图像，然后使用exposure模块中的equalize_hist()函数对图像进行直方图均衡化，最后使用io模块显示了原图和均衡化后的图像。

相关问题

直方图均衡化python

直方图均衡化是一种常见的图像增强技术，可以提高图像的对比度和清晰度。Python中有很多图像处理库可以实现直方图均衡化，比如OpenCV、PIL和scikit-image等。

下面是使用OpenCV库进行直方图均衡化的示例代码：

import cv2

# 加载图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 直方图均衡化
equ = cv2.equalizeHist(img)

# 显示原始图像和均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', equ)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，首先使用cv2.imread()函数加载图像，并将其转换为灰度图像。然后使用cv2.equalizeHist()函数对灰度图像进行直方图均衡化。最后使用cv2.imshow()函数显示原始图像和均衡化后的图像。

如果想要保存均衡化后的图像，可以使用cv2.imwrite()函数：

cv2.imwrite('equalized_image.jpg', equ)

这将把均衡化后的图像保存为equalized_image.jpg文件。

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：

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()