挑战图像处理100问（21）——直方图归一化Pythonqq42662568的博客-

直方图归一化（ Histogram Normalization ）

有时直方图会偏向一边。

比如说，数据集中在
$0$

0处（左侧）的图像全体会偏暗，数据集中在
$255$

255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]转换到
$[a,b]$

[a,b]的过程由下式定义。这回我们将灰度扩展到
$[0, 255]$

[0,255]范围：

$x_{out}= begin{cases} a& (text{if}quad x_{in}<c)\ frac{b-a}{d-c} (x_{in}-c)+a&(text{else if}quad cleq x_{in}<d)\ b&(text{else}) end{cases}$

xout​=⎩⎪⎨⎪⎧​ad−cb−a​ (xin​−c)+ab​(ifxin​<c)(else ifc≤xin​<d)(else)​

代码实现

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))