Python的圖像增強：直方圖均衡教程
曾經被模糊，低質量的圖像感到失望嗎？ 想像一下增強圖像以揭示清晰的細節並提高清晰度。 本教程向您展示瞭如何使用Python和直方圖均衡的力量實現此目標。 直方圖均衡是一種顯著增強圖像對比度的技術。 這是幾乎所有相機系統中用於提高圖像質量的基本過程，到本教程結束時，您將了解原因。
>我們將探討哪些直方圖和直方圖均衡是如何影響圖像的，然後在Python中實現該技術。讓我們開始！
理解圖像直方圖
>。 直方圖集中在狹窄的強度範圍內的
>圖像通常缺乏清晰度和細節。 均衡的圖像表現出更廣泛，更均勻的強度分佈。什麼是直方圖均衡？
> 直方圖均衡直方圖拉伸圖像的直方圖以利用全強度範圍。 這意味著將強度值傳播到包括黑暗和光面積，從而導致更高的對比度和改善的細節可見性。雖然並不總是適合標準攝影的理想選擇，但它在需要增強細節（例如衛星或熱成像）的應用中是無價的。
>我們將使用灰度猴子圖像（對比度減少）為例：
>訪問像素強度
讓我們研究如何使用Python和OpenCV訪問像素強度值：
此代碼讀取圖像，確定其尺寸，並打印一個像素值的示例。 OPENCV使用BGR（藍色，綠色，紅色）排序，因此
表示每個通道的強度為113。 直方圖均衡的直方圖修飾這些像素強度以增強對比度。 我們可以使用直方圖可視化這一點：每個顏色通道（或灰度單一直方圖）。 X軸顯示強度值，Y軸顯示它們的頻率。使用來自單獨的圖像直方圖文章中的代碼，我們的示例圖像的直方圖如下：
此直方圖顯示了跨BGR通道的分佈。來自像素值代碼的樣本輸出顯示了跨通道的一致強度值：
import cv2, random
img = cv2.imread('monkey.jpg')
img_shape = img.shape
height = img_shape[0]
width = img_shape[1]
for row in range(width):
for column in range(height):
if random.randint(0, width) == row and row:
print(img[column][row])此Python代碼計算像素強度的頻率：
>輸出顯示最頻繁的強度值及其計數，突出了濃度有限的範圍。 在Python中實現直方圖均衡
><code>[113 113 113] [110 110 110] [106 106 106] ...</code>
函數，但它僅適用於灰度圖像。 因此，我們將轉換為Yuv色彩空間，均衡Y通道（亮度），然後轉換回BGR：
完整的示例和結果
equalizeHist()這是完整的代碼：
import cv2
img = cv2.imread('monkey.jpg')
img_shape = img.shape
height = img_shape[0]
width = img_shape[1]
frequency = {}
for row in range(width):
for column in range(height):
intensity = img[column][row][0]
count = frequency.get(intensity, 0)
frequency[intensity] = count + 1
print("Unique Intensities", len(frequency))
most_frequent = dict(sorted(frequency.items(), key=lambda elem: elem[1], reverse=True))
intensity_values = most_frequent.keys()
i = 0
for intensity in intensity_values:
i += 1
if i <= 5:
print(intensity, most_frequent[intensity])產生的圖像（
）：
import cv2
import numpy
img = cv2.imread('monkey.jpg')
img_to_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
img_to_yuv[:, :, 0] = cv2.equalizeHist(img_to_yuv[:, :, 0])
hist_equalization_result = cv2.cvtColor(img_to_yuv, cv2.COLOR_YUV2BGR)
cv2.imwrite('result.jpg', hist_equalization_result)
result.jpg的原始圖像和增強圖像的比較：
增強的圖像明顯提高了清晰度。 增強圖像的直方圖是平坦的，表明強度的均勻分佈。 強度頻率分析還將顯示值更均勻的值。
結論
本教程演示瞭如何使用python中的直方圖均衡來增強圖像對比度。 結果突出了該技術在提高圖像質量和細節可見性方面的有效性。 由此產生的扁平直方圖證實了像素強度的成功重新分佈。
以上是Python中的直方圖均衡的詳細內容。更多資訊請關注PHP中文網其他相關文章！
