直方图均衡化:一般可以用来提升图片的亮度
1. cv2.equalizeHist (进行直方图均衡化)
2. cv2.createCLAHA (用于生成自适应均衡化图像)
cv2.equalizeHist(img)
表示进行直方图均衡化
参数说明:
- img 表示输入的图片
import cv2 import numpy as np import matplotlib.pyplot as plt # 第一步:读入图片 img = cv2.imread('lena.jpeg', 0) # 第二步: 使用 cv2.equalizeHist 实现像素点的均衡化 ret = cv2.equalizeHist(img) # 第三步:使用 plt.hist 绘制像素直方图 plt.subplot(121) plt.hist(img.ravel(), 256) plt.subplot(122) plt.hist(ret.ravel(), 256) plt.show() # 第四步:使用 cv2.imshow() 绘值均衡化的图像 cv2.imshow('ret', np.hstack((img, ret))) cv2.waitKey(0)
这种全局的均衡化也会存在一些问题,由于整体亮度的提升,也会使得局部图像的细节变得模糊,因为我们需要进行分块的局部均衡化操作.
cv2.createCLAHA(clipLimit, titleGridSize)
用于生成自适应均衡化图像
参数说明:
- clipLimit 颜色对比度的阈值
- titleGridSize 进行像素均衡化的网格大小,即在多少网格下进行直方图的均衡化操作
代码:
- 第一步:使用 cv2.createCLAHE(clipLimit=2.0, titleGridSize=(8, 8)) 实例化均衡直方图函数
- 第二步:使用 .apply 进行均衡化操作
- 第三步:进行画图操作
# 使用自适应直方图均衡化 # 第一步:实例化自适应直方图均衡化函数 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) # 第二步:进行自适应直方图均衡化 clahe = clahe.apply(img) # 第三步:进行图像的展示 cv2.imshow('imgs', np.hstack((img, ret, clahe))) cv2.waitKey(0) cv2.destroyAllWindows()
可以看出自适应均衡化没有使得人物脸部的细节消失
reference
https://www.cnblogs.com/my-love-is-python/p/10405811.html