1. 基本原理

創(chuàng)新互聯(lián)是一家專業(yè)從事成都網(wǎng)站設(shè)計、做網(wǎng)站、網(wǎng)頁設(shè)計的品牌網(wǎng)絡(luò)公司。如今是成都地區(qū)具影響力的網(wǎng)站設(shè)計公司,作為專業(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)實力、以及多年的網(wǎng)站運營經(jīng)驗,為您提供專業(yè)的成都網(wǎng)站建設(shè)、營銷型網(wǎng)站建設(shè)及網(wǎng)站設(shè)計開發(fā)服務(wù)！

通過一個變換，將輸入圖像的灰度級轉(zhuǎn)換為`均勻分布`，變換后的灰度級的概率密度函數(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，$r$為變換前的灰度級$P_r(r)$為變換前的概率密度函數(shù)2. 測試結(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 # 輸入圖像的像素點總數(shù)
  input_image_grayscale_P = [] # 輸入圖像中各灰度級出現(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)頁名稱：Python實現(xiàn)直方圖均衡基本原理解析-創(chuàng)新互聯(lián)
瀏覽路徑：http://www.ekvhdxd.cn/article48/dghiep.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、營銷型網(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）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)