1. 基本原理

創(chuàng)新互聯(lián)是一家專(zhuān)業(yè)從事成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、網(wǎng)頁(yè)設(shè)計(jì)的品牌網(wǎng)絡(luò)公司。如今是成都地區(qū)具影響力的網(wǎng)站設(shè)計(jì)公司,作為專(zhuān)業(yè)的成都網(wǎng)站建設(shè)公司,創(chuàng)新互聯(lián)依托強(qiáng)大的技術(shù)實(shí)力、以及多年的網(wǎng)站運(yùn)營(yíng)經(jīng)驗(yàn),為您提供專(zhuān)業(yè)的成都網(wǎng)站建設(shè)、營(yíng)銷(xiāo)型網(wǎng)站建設(shè)及網(wǎng)站設(shè)計(jì)開(kāi)發(fā)服務(wù)！

通過(guò)一個(gè)變換，將輸入圖像的灰度級(jí)轉(zhuǎn)換為`均勻分布`，變換后的灰度級(jí)的概率密度函數(shù)為

$$P_s(s) = \frac{1}{L-1}$$

直方圖均衡的變換為

$$s = T(r) = (L-1)\int_0^r {P_r(c)} \,{\rm d}c $$

$s$為變換后的灰度級(jí)，$r$為變換前的灰度級(jí)$P_r(r)$為變換前的概率密度函數(shù)2. 測(cè)試結(jié)果

圖源自skimage

3.代碼

import numpy as np
def hist_equalization(input_image):
  '''
  直方圖均衡（適用于灰度圖）
  :param input_image: 原圖像
  :return: 均衡后的圖像
  '''
  output_imgae = np.copy(input_image) # 輸出圖像，初始化為輸入
  input_image_cp = np.copy(input_image) # 輸入圖像的副本
  m, n = input_image_cp.shape # 輸入圖像的尺寸（行、列）
  pixels_total_num = m * n # 輸入圖像的像素點(diǎn)總數(shù)
  input_image_grayscale_P = [] # 輸入圖像中各灰度級(jí)出現(xiàn)的概率，亦即輸入圖像直方圖
  # 求輸入圖像中各灰度級(jí)出現(xiàn)的概率，亦即輸入圖像直方圖
  for i in range(256):
    input_image_grayscale_P.append(np.sum(input_image_cp == i) / pixels_total_num)
  # 求解輸出圖像
  t = 0        # 輸入圖像的灰度級(jí)分布函數(shù)F
  for i in range(256):
    t = t + input_image_grayscale_P[i]
    output_imgae[np.where(input_image_cp == i)] = 255 * t
  return output_imgae

網(wǎng)頁(yè)名稱(chēng)：Python實(shí)現(xiàn)直方圖均衡基本原理解析-創(chuàng)新互聯(lián)
瀏覽路徑：http://www.rwnh.cn/article48/dghiep.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開(kāi)發(fā)、營(yíng)銷(xiāo)型網(wǎng)站建設(shè)、建站公司、品牌網(wǎng)站制作、面包屑導(dǎo)航、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)