直方圖

直方圖簡單來說就是圖像中每個(gè)像素值的個(gè)數(shù)統(tǒng)計(jì)，比如說一副灰度圖中像素值為0的有多少個(gè)具篇，1的有多少個(gè)……直方圖是一種分析圖像的手段：

圖像->直方圖纬霞，bins=7

直方圖計(jì)算

opencv庫計(jì)算直方圖

使用 cv.calcHist(images, channels, mask, histSize, ranges) 計(jì)算，其中：
參數(shù)1：要計(jì)算的原圖驱显，以方括號的形式傳入诗芜，如：[img]
參數(shù)2：選擇圖像的某個(gè)通道，計(jì)算直方圖埃疫，灰度圖像寫[0]
參數(shù)3：要計(jì)算的區(qū)域伏恐，計(jì)算整幅圖的話，寫None
參數(shù)4：直方圖橫坐標(biāo)數(shù)目
參數(shù)5：要計(jì)算的像素范圍栓霜，一般為[0,255]
例如：hist = cv.calcHist([img], [0], None, [256], [0, 255])

numpy庫計(jì)算直方圖

可用Numpy中的函數(shù)計(jì)算直方圖翠桦，其中ravel()函數(shù)將二維矩陣展平變成一維數(shù)組：
hist, bins = np.histogram(img.ravel(), 255, [0, 255])
另一種更高效的方式：
hist = np.bincount(img.ravel(), minlength=256)

直方圖繪制

Matplotlib庫自帶了一個(gè)計(jì)算并繪制直方圖的功能，不需要用到上面的函數(shù)：
plt.hist(img.ravel(), 256, [0, 255])
plt.show()
當(dāng)然胳蛮，也可以用前面計(jì)算出來的結(jié)果繪制：
plt.plot(hist)
plt.show()

實(shí)驗(yàn)

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

img = cv.imread('hist.jpg', 0)
hist = cv.calcHist([img], [0], None, [256], [0, 255])

plt.plot(hist)
plt.show()

實(shí)驗(yàn)結(jié)果

原圖

原圖像的直方圖

直方圖均衡化

一副效果好的圖像通常在直方圖上的分布比較均勻斗幼，直方圖均衡化就是用來改善圖像的全局亮度和對比度澎蛛。其實(shí)從觀感上就可以發(fā)現(xiàn)，前面那幅圖對比度不高孟岛，偏灰白瓶竭。對均衡化算法感興趣的同學(xué)可參考：直方圖均衡化算法及python實(shí)現(xiàn)

圖解圖像直方圖均衡化

opencv中實(shí)現(xiàn)圖像直方圖均衡化

equ = cv.equalizeHist(img)

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

img = cv.imread('hist.jpg', 0)
img_eq = cv.equalizeHist(img)
hist = cv.calcHist([img], [0], None, [256], [0, 255])
hist_eq = cv.calcHist([img_eq], [0], None, [256], [0,255])

plt.figure(1)

plt.subplot(2,2,1)
plt.imshow(img,cmap='gray')
plt.subplot(2,2,2)
plt.imshow(img_eq,cmap='gray')
plt.subplot(2,2,3)
plt.plot(hist)
plt.subplot(2,2,4)
plt.plot(hist_eq)

plt.show()

代碼輸出結(jié)果，可以看到均衡化后圖片的亮度和對比度效果明顯好于原圖

matlab圖像直方圖均衡化

請參考一篇優(yōu)秀個(gè)文章：matlab實(shí)現(xiàn)圖像直方圖均衡化

直方圖自適應(yīng)均衡化

不難看出來渠羞，直方圖均衡化是應(yīng)用于整幅圖片的斤贰，會(huì)有什么問題呢？看下圖：

左圖：原圖次询；右圖：直方圖均衡化后

很明顯荧恍，因?yàn)槿终{(diào)整亮度和對比度的原因，臉部太亮屯吊，大部分細(xì)節(jié)都丟失了送巡。
自適應(yīng)均衡化就是用來解決這一問題的：它在每一個(gè)小區(qū)域內(nèi)（默認(rèn)8×8）進(jìn)行直方圖均衡化。當(dāng)然盒卸，如果有噪點(diǎn)的話骗爆，噪點(diǎn)會(huì)被放大，需要對小區(qū)域內(nèi)的對比度進(jìn)行了限制蔽介，所以這個(gè)算法全稱叫：對比度受限的自適應(yīng)直方圖均衡化CLAHE(Contrast Limited Adaptive Histogram Equalization)摘投。

實(shí)現(xiàn)直方圖自適應(yīng)均衡化

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

img = cv.imread('tsukuba.jpg', 0)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
cl1 = clahe.apply(img)

plt.subplot(1,2,1)
plt.imshow(img,cmap='gray')
plt.title('Original')
plt.xticks([]),plt.yticks([])
plt.subplot(1,2,2)
plt.imshow(cl1,cmap='gray')
plt.title('Adaptive Histogram Equalization')
plt.xticks([]),plt.yticks([])

plt.show()

實(shí)驗(yàn)結(jié)果

左圖：源圖像；右圖：自適應(yīng)均衡化后圖像