python 直方图均衡化代码
时间: 2023-11-08 11:01:35 浏览: 91
直方图均衡化是一种有效的图像增强技术,可以增强图像的整体对比度。以下是使用Python实现的直方图均衡化代码:
```python
import cv2
import numpy as np
# 读取图像
img = cv2.imread('00000.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 直方图均衡化
equ_img = cv2.equalizeHist(img_gray)
# 显示原图和均衡化后的图像
cv2.imshow('Input Image', img_gray)
cv2.imshow('Equalized Image', equ_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
相关问题
Python直方图均衡化
Python直方图均衡化是一种用于图像增强的技术,它可以通过调整图像的灰度级分布来增强图像的对比度和亮度。直方图均衡化的基本思想是将图像的灰度级分布变成均匀分布,从而使得图像的对比度增强。在Python中,可以使用OpenCV、NumPy和Matplotlib等库来实现直方图均衡化。具体实现步骤如下:
1. 读取图像并将其转换为灰度图像。
2. 统计图像中各个灰度级的像素个数,得到原始图像的灰度直方图。
3. 计算每个灰度级的累积分布函数,并将其映射到新的灰度级上。
4. 使用新的灰度级对原始图像进行重映射,得到直方图均衡化后的图像。
下面是一个简单的Python代码示例,用于实现直方图均衡化:
import cv2
import numpy as np
# 读取图像并将其转换为灰度图像
img = cv2.imread('img.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 统计图像中各个灰度级的像素个数,得到原始图像的灰度直方图
hist, bins = np.histogram(img_gray.ravel(), 256, [0, 256])
# 计算每个灰度级的累积分布函数,并将其映射到新的灰度级上
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()
# 使用新的灰度级对原始图像进行重映射,得到直方图均衡化后的图像
img_eq = np.interp(img_gray.ravel(), bins[:-1], cdf_normalized).reshape(img_gray.shape)
# 显示原始图像和直方图均衡化后的图像
cv2.imshow('Original Image', img_gray)
cv2.imshow('Equalized Image', img_eq)
cv2.waitKey(0)
cv2.destroyAllWindows()
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:
```python
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。