灰度直方图均衡化python

好的，下面是灰度直方图均衡化的Python代码示例：

import cv2
import numpy as np

# 读入图片
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

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

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

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

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

注：代码中的 `image.jpg` 需要替换成实际的图片路径。

相关问题

图像灰度直方图均衡化python

好的，下面是图像灰度直方图均衡化的Python代码示例：

import cv2
import numpy as np

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

# 计算灰度直方图
hist, bins = np.histogram(img.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
img_eq = np.interp(img.flatten(), bins[:-1], cdf_normalized).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()

上述代码中，我们首先使用`cv2.imread()`函数读取一张灰度图像，然后使用`np.histogram()`函数计算图像的灰度直方图。接着，我们计算图像的累积分布函数，并将其归一化。最后，我们使用`np.interp()`函数对原图像进行直方图均衡化，并将处理后的图像保存在`img_eq`中。最后，我们使用`cv2.imshow()`函数分别显示原图和均衡化后的图像。

图像灰度直方图均衡化python代码

图像灰度直方图均衡化可以提高图像的对比度和亮度，可以使用 OpenCV 中的 equalizeHist 函数实现。以下是一个简单的 Python 代码示例：

import cv2

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

# 直方图均衡化
equalized = cv2.equalizeHist(img)

# 显示原图和均衡化后的图像
cv2.imshow('Original', img)
cv2.imshow('Equalized', equalized)

# 等待按键
cv2.waitKey(0)

# 释放资源
cv2.destroyAllWindows()

在代码中，我们首先使用 imread 函数读取一张灰度图像，并将其存储在 img 变量中。然后，我们使用 equalizeHist 函数对图像进行直方图均衡化，并将结果存储在 equalized 变量中。最后，我们使用 imshow 函数显示原图和均衡化后的图像，并等待按键。注意，在显示图像之后，我们需要使用 destroyAllWindows 函数释放资源。

需要注意的是，这里使用的是灰度图像，如果要对彩色图像进行直方图均衡化，需要先将其转换为灰度图像。