直方图均衡化 Python实现

import os
from PIL import Image
from numpy import *

def histeq (im,nbr_bins =256):
    # 对一副灰度图像进行直方图均衡化
    #该函数有两个输入参数，一个是灰度图像，一个是直方图中使用小区间的数目
    #函数返回直方图均衡化后的图像，以及用来做像素值映射的累计分布函数
    # 计算图像的直方图
    imhist,bins =histogram(im.flatten(),nbr_bins,normed=True)
    cdf =imhist.cumsum() #cumulative distribution function
    cdf =255*cdf/cdf[-1] #归一化，函数中使用累计分布函数的最后一个元素（下标为-1，目标是
    # 将其归一化到0-1范围 ）
    # 使用累计分布函数的线性插值，计算新的像素值
    im2=interp(im.flatten(),bins[:-1],cdf) # im2 is an array
    return im2.reshape(im.shape),cdf

如果想显示直方图均衡化后的图像，需要把array转为图像

因为自己把histeq 函数放到imtools,py中去了，所以调用的时候，需要import imtools

from PIL import Image
from numpy import *
from pylab import *
import imtools
import matplotlib.pyplot as plt

im =array(Image.open('cat.jpg').convert('L'))
im2,cdf=imtools.histeq(im)

im21=Image.fromarray(im2) # 将array转化为图像
im21.show()

# -*- coding: utf-8 -*-
from PIL import Image
from numpy import *
from pylab import *
import imtools
import matplotlib.pyplot as plt

im =array(Image.open('cat.jpg').convert('L'))
im2,cdf=imtools.histeq(im)

im20=Image.fromarray(im)  # 未直方图均衡化的图像
im21=Image.fromarray(im2) #直方图均衡化后的 将array转化为图像

plt.figure(num='cat')
plt.subplot(1,2,1)
plt.title("Before the experiment")
plt.axis('off')
plt.imshow(im,plt.cm.gray)
plt.subplot(1,2,2)
plt.title("After the experiment")
plt.imshow(im2,plt.cm.gray)
plt.axis('off')
plt.show()