如何不调用函数,如何用python较为底层地写直方图均衡化
时间: 2024-03-07 18:49:01 浏览: 15
不调用函数的直方图均衡化实现需要对图像的每个像素进行操作。下面是使用Python代码实现直方图均衡化的方法:
```python
import cv2
import numpy as np
# 加载图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)
# 获取图像的行数和列数
rows, cols = img.shape[:2]
# 统计图像中每个像素值出现的次数
hist = np.zeros(256, dtype=int)
for i in range(rows):
for j in range(cols):
hist[img[i, j]] += 1
# 计算累计分布函数
cdf = np.zeros(256, dtype=float)
cdf[0] = hist[0] / (rows * cols)
for i in range(1, 256):
cdf[i] = cdf[i-1] + hist[i] / (rows * cols)
# 映射像素值
output = np.zeros_like(img)
for i in range(rows):
for j in range(cols):
output[i, j] = int(255 * cdf[img[i, j]])
# 显示原图和直方图均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Histogram Equalization', output)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
在上面的代码中,我们首先加载一张灰度图像。然后,我们获取图像的行数和列数,并统计图像中每个像素值出现的次数。接着,我们计算累计分布函数,并将每个像素值映射到0-255的范围内。最后,我们创建一个和输入图像相同大小的输出图像,并将每个像素值映射到新图像中。最后,我们使用OpenCV的`imshow`函数显示原图和直方图均衡化后的图像。