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。

相关问题

直方图均衡化Python代码

直方图均衡化是一种用于增强图像对比度的方法，可以使图像的像素值分布更加均匀。下面是一个简单的直方图均衡化的Python代码示例：

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

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

# 进行直方图均衡化
equalized_image = cv2.equalizeHist(image)

# 显示原始图像和均衡化后的图像
plt.subplot(121)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.subplot(122)
plt.imshow(equalized_image, cmap='gray')
plt.title('Equalized Image')
plt.show()

在这个示例中，我们使用了OpenCV库来读取图像，并使用`equalizeHist`函数进行直方图均衡化。最后，使用Matplotlib库来显示原始图像和均衡化后的图像。

直方图均衡化 python代码

直方图均衡化是一种用于增强图像对比度的方法，可以通过调整图像的像素值分布来实现。下面是一个简单的Python代码示例来实现直方图均衡化：

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

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

# 计算直方图
hist, bins = np.histogram(image.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
equalized_image = np.interp(image.flatten(), bins[:-1], cdf_normalized).reshape(image.shape)

# 显示原始图像和均衡化后的图像
plt.subplot(121)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.subplot(122)
plt.imshow(equalized_image, cmap='gray')
plt.title('Equalized Image')
plt.show()

这段代码使用了OpenCV库来读取图像，并使用NumPy和Matplotlib库进行直方图计算和显示。首先，通过`cv2.imread`函数读取图像，并将其转换为灰度图像（参数`0`表示灰度模式）。然后，使用`np.histogram`函数计算图像的直方图，并使用`cumsum`函数计算累积分布函数。接下来，使用`np.interp`函数将原始图像的像素值映射到新的像素值，从而实现直方图均衡化。最后，使用Matplotlib库显示原始图像和均衡化后的图像。