挑战图像处理100问（21）——直方图归一化
有时直方图会偏向一边。
比如说，数据集中在000处（左侧）的图像全体会偏暗，数据集中在255255255处（右侧）的图像会偏亮。
如果直方图有所偏向，那么其动态范围（ dynamic range ）就会较低。
为了使人能更清楚地看见图片，让直方图归一化、平坦化是十分必要的。
这种归一化直方图的操作被称作灰度变换（Grayscale Transformation）。像素点取值范围从[c,d][c,d][c,d]转换到[a,b][a,b][a,b]的过程由下式定义。这回我们将灰度扩展到[0,255][0, 255][0,255]范围：
xout={a(ifxin<c)b−ad−c (xin−c)+a(else ifc≤xin<d)b(else)
x_{out}=
\begin{cases}
a& (\text{if}\quad x_{in}<c)\\
\frac{b-a}{d-c}\ (x_{in}-c)+a&(\text{else if}\quad c\leq x_{in}<d)\\
b&(\text{else})
\end{cases}
xout=⎩⎪⎨⎪⎧ad−cb−a (xin−c)+ab(ifxin<c)(else ifc≤xin<d)(else)
import numpy as np
import matplotlib.pyplot as plt
from skimage.io import imread # 用来读取图片
%matplotlib inline
# 读取图片
path = 'C:/Users/86187/Desktop/image/'
file_in = path + 'cake.jpg'
img = imread(file_in)
plt.figure
imgshow = plt.imshow(img)
# 灰度化
# 灰度化函数
def BGR2GRAY(img):
# 获取图片尺寸
H, W, C = img.shape
# 灰度化
out = np.ones((H,W,3))
for i in range(H):
for j in range(W):
out[i,j,:] = 0.299*img[i,j,0] + 0.578*img[i,j,1] + 0.114*img[i,j,2]
out = out.astype(np.uint8)
return out
img = BGR2GRAY(img)
plt.figure
imgshow = plt.imshow(img)
img_ = img.copy()
img_ = img_.reshape(-1)
hist = plt.hist(img_, bins=255, rwidth=0.85, range=(0,255))
# 归一化函数
def normalHist(img):
a = 0
b = 255
c = img.min()
d = img.max()
img = (b-a)/(d-c)*(img-c)+a
img = img .astype(np.uint8)
return img
img1 = img.copy()
img1 = normalHist(img1)
imgshow = plt.imshow(img1)
plt.show()
hist1 = plt.hist(img1.reshape(-1),bins=255,rwidth=0.85,range=(0,255))
 |
 |
|---|
作者：田纳尔多
