实现图片的直方图均衡化的python代码

以下是基于Python的OpenCV库实现的图片直方图均衡化代码示例：

import cv2

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

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

# 显示原图和均衡化后的图片
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', equ)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，`cv2.imread`用于读取图片，第二个参数为0表示将图片读取为灰度图像。`cv2.equalizeHist`用于进行直方图均衡化处理。最后使用`cv2.imshow`函数显示原图和均衡化后的图片。

相关问题

直方图均衡化python代码实现

直方图均衡化是一种图像增强方法，可以有效地提高图像的对比度。Python中可以使用OpenCV库实现直方图均衡化。以下是实现直方图均衡化的Python代码：

import cv2

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

# 进行直方图均衡化
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()

上述代码中，首先使用cv2.imread()函数读取图像，其中参数0表示读取为灰度图像。然后使用cv2.equalizeHist()函数对灰度图像进行直方图均衡化处理。最后使用cv2.imshow()函数显示原始图像和均衡化后的图像。

直方图均衡化python代码

以下是使用Python实现直方图均衡化的代码：

import cv2
import numpy as np

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

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

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

# 均衡化
img_eq = np.interp(img.flatten(), bins[:-1], cdf_normalized)
img_eq = img_eq.reshape(img.shape)

# 显示原图和均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', img_eq)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这段代码中，首先使用OpenCV库读取一张灰度图像。然后使用NumPy库计算该图像的直方图，并计算其累计分布函数。接着使用NumPy库的interp()函数将原始图像中每一个像素的灰度值映射到均衡化后的灰度值上。最后，将均衡化后的像素值重新排列成与原始图像相同的形状，并使用OpenCV库显示原始图像和均衡化后的图像。