python opencv灰度图的直方图均衡

灰度图的直方图均衡是一种图像增强方法，可以增强图像的对比度和亮度。在OpenCV中，可以通过以下步骤进行灰度图的直方图均衡：

1. 读入灰度图像并转换为灰度图像。

import cv2

# 读入彩色图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2. 计算灰度图像的直方图。

import numpy as np

# 计算灰度图像的直方图
hist, bins = np.histogram(gray_img.flatten(), 256, [0, 256])

3. 计算直方图均衡化后的灰度映射表。

# 计算直方图均衡化后的灰度映射表
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()
cdf_normalized = np.uint8(cdf_normalized)

4. 使用灰度映射表对灰度图像进行直方图均衡化。

# 使用灰度映射表对灰度图像进行直方图均衡化
equ_img = cdf_normalized[gray_img]

5. 显示原图和直方图均衡化后的图像。

import matplotlib.pyplot as plt

# 显示原图和直方图均衡化后的图像
plt.subplot(121)
plt.imshow(gray_img, cmap='gray')
plt.title('Original Image')
plt.subplot(122)
plt.imshow(equ_img, cmap='gray')
plt.title('Equalized Image')
plt.show()

完整代码如下：

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

# 读入彩色图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算灰度图像的直方图
hist, bins = np.histogram(gray_img.flatten(), 256, [0, 256])

# 计算直方图均衡化后的灰度映射表
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()
cdf_normalized = np.uint8(cdf_normalized)

# 使用灰度映射表对灰度图像进行直方图均衡化
equ_img = cdf_normalized[gray_img]

# 显示原图和直方图均衡化后的图像
plt.subplot(121)
plt.imshow(gray_img, cmap='gray')
plt.title('Original Image')
plt.subplot(122)
plt.imshow(equ_img, cmap='gray')
plt.title('Equalized Image')
plt.show()