数字图像处理——局部直方图均衡化【像素级别处理】（python）

局部直方图处理是弄一个略大于图片的矩阵，超过图片的部分用0来代替像素值，在这个局部进行直方图均衡化。

输入：

import cv2import numpy as npimport matplotlib.pyplot as pltimport datetime# 局部直方图处理 3.3.3节# 使用3*3的领域处理img = cv2.imread('Fig0326.tif')  # 局部信息图片H = img.shape[0]W = img.shape[1]hr = np.zeros(256)  # 原始直方图信息pr = np.zeros(256)  # 原始图片的概率rtos = np.zeros(256)  # r->s的映射# 计算原始图片的像素分布图和概率密度函数for row in range(H):for col in range(W):hr[img[row, col]] += 1for i in range(256):pr[i] = hr[i] / (H * W)for i in range(256):  # i=[0,255]for j in range(i + 1):  # j=[0,i]rtos[i] += pr[j]rtos[i] = round(rtos[i] * 255)  # 四舍五入取整hisImg = np.zeros((H, W, 3), np.uint8)  # 建立直方图均衡变换之后的图片for row in range(H):for col in range(W):hisImg[row, col] = rtos[img[row, col]]# 局部直方图变换，使用3*3的邻域统计直方图localsize = 3  # 邻域的尺寸为3*3，这个邻域值最好为奇数tempImg = np.zeros((H + localsize - 1, W + localsize - 1, 3), np.uint8)  # 创建一个边界大一半领域像素的值，以便统计边缘像素localHistImg = np.zeros((H, W, 3), np.uint8)  # 存储新图for row in range(H):for col in range(W):tempImg[row + (localsize - 1) // 2, col + (localsize - 1) // 2] = img[row, col]# f = open('out.txt', 'w')starttime = datetime.datetime.now()for row in range((localsize - 1) // 2, H + (localsize - 1) // 2):for col in range((localsize - 1) // 2, W + (localsize - 1) // 2):  # 外层大循环# 每行统计新加入的点和删除的点是否具有相同的灰度值，这里localsize是3，所以用row,row-1,row+1三行# 只要比较0通道的值就行，对于灰度图来说，三个通道的值相同if row <= (localsize - 1) // 2 or col <= (localsize - 1) // 2 \or row > H - 1 or col > W - 1 \or tempImg[row, col - 2, 0] != tempImg[row, col + 2, 0] \or tempImg[row - 1, col - 2, 0] != tempImg[row - 1, col + 2, 0] \or tempImg[row + 1, col - 2, 0] != tempImg[row + 1, col + 2, 0]:# 每一行一列重新计算概率分布for i in range(256):pr[i] = 0rtos[i] = 0for i in range(localsize):for j in range(localsize):pr[tempImg[row + (i - (localsize - 1) // 2), col + (j - (localsize - 1) // 2)]] += 1for i in range(256):for j in range(i + 1):rtos[i] += pr[j]rtos[i] = round(rtos[i] * 255 / (localsize * localsize))localHistImg[row - (localsize - 1) // 2, col - (localsize - 1) // 2] = rtos[tempImg[row, col]]# f.close()endtime = datetime.datetime.now()print(endtime - starttime)# 原图plt.subplot(1, 3, 1)plt.axis('off')plt.title('Original image')plt.imshow(img)# 直方图均衡后的图plt.subplot(1, 3, 2)plt.axis('off')plt.title('Histogram processed image')plt.imshow(hisImg)# 直方图均衡后的图plt.subplot(1, 3, 3)plt.axis('off')plt.title('Local Histogram processed image(3*3)')plt.imshow(localHistImg)plt.show()

输出：

查看更多关于数字图像处理——局部直方图处理【像素级别处理】（python）的详细内容...