目录
3 matplotlib.pyplot.subplot() 函数
4 matplotlib.pyplot.imshow() 函数
1 直方图均衡化简介
1.1 直方图均衡化概念
直方图均衡化 (Histogram Equalization) 就是把一个已知灰度概率密度分布的图像经过一种变换，使之演变为一幅具有均匀灰度概率密度分布的新图像。
如下图所示，过暗和过亮的图像 经过直方图均衡化，使得图像变得清晰。
1.2 直方图均衡化的理论基础
前提：如果一幅图像占有全部可能的灰度级，并且均匀分布。
结论：该图像具有高对比度和多变的灰色色调。
外观：图像细节丰富，质量更高。
1.3 直方图均衡化的步骤
（1）计算累计直方图；
（2）将累计直方图进行区间转换；
（3）在累计直方图中，概率相近的原始值，会被处理为相同的值。
具体的例子如下：
如下图所示，已知一幅图像的像素分布为 77，根据像素值，则可以计算出统计直方图
根据统计直方图，可以算出归一化直方图和累计直方图，如下图所示：
将累计直方图进行区间转换，如下图所示：
由上图的结果可知，原先8个灰度级转变成6个灰度级，那么原始直方图和均衡直方图为：
上面的灰度级是8，那灰度级转变成256，计算方法类似，如下图所示：
同样的，原始直方图和均衡直方图为：
由上图可以看出，虽然二者相似，但右侧均衡化后的直方图分布更均匀，相邻像素级概率和与高概率近似相等。如果将两张图的灰度级放在同一区间，可以看出差别更大，如下图所示：
1.4 直方图均衡化应用场景
（1）医学图像处理
（2）车牌照识别
（3）人脸识别
2 直方图均衡化-equalizeHist()
OpenCV库下，直方图均衡化使用 equalizeHist() 函数，函数用法如下所示:
dst=cv2.equalizeHist(src)
其中，参数：
dst 表示处理结果
src 表示原始图像
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
cv2.imshow("src", img)
cv2.imshow("result", equ)
plt.hist(img.ravel(), 256)
plt.figure()
plt.hist(equ.ravel(), 256)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下图所示：（左图为原始灰度图像，右图为均衡化后的图像）
3 matplotlib.pyplot.subplot() 函数
matplotlib.pyplot.subplot() 函数可以将多张图像放在一个窗口内，Pyhton下需要导入 matplotlib.pyplot 绘图包，其用法和Matlab中的subplot()函数用法类似。matplotlib 是一个强大的绘图包。subplot() 函数用法如下所示：
subplot(nrows, ncols, plot_number)
其中，参数：
nrows 表示行数；
ncols 表示列数；
plot_number 表示窗口序号。
例如：排列成两行三列的图像，如下图所示：
注：在实际应用中，如果每一个参数都小于10，三个数字可以连着直接写，不加标点，如 subplot(2,3,4) 可以写成 subplot(234)
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.subplot(221),plt.imshow(img, 'gray'),plt.title('img'), plt.xticks([]),plt.yticks([])
plt.subplot(222),plt.imshow(equ, 'gray'),plt.title('equ'), plt.xticks([]),plt.yticks([])
plt.subplot(223),plt.hist(img.ravel(),256),plt.title('img_hist')
plt.subplot(224),plt.hist(equ.ravel(),256),plt.title('equ_hist')
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下图所示：
4 matplotlib.pyplot.imshow() 函数
imshow() 函数用法如下所示，同样的，Pyhton下需要导入 matplotlib.pyplot 绘图包。
imshow(X, cmap=None)
其中，参数：
X 表示要绘制的图像；
cmap 表示colormap，颜色图谱，默认为RGB(A)颜色空间：
1）对于灰度图像，使用参数 “ cmap=plt.cm.gray ”；
2）对于彩色图像，如果使用opencv读入的图像，默认空间为BRG，需要调整色彩空间为RGB。
下面是分别使用函数读取灰度图像和彩色图像例子。
（1）灰度图像
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('zxp.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.subplot(221),plt.imshow(img),plt.title('img'), plt.axis('off') #坐标轴关闭
plt.subplot(222),plt.imshow(img, cmap=plt.cm.gray),plt.title('img_cmap'), plt.axis('off')
plt.subplot(223),plt.imshow(img_gray),plt.title('img_gray'), plt.axis('off')
plt.subplot(224),plt.imshow(img_gray, cmap=plt.cm.gray),plt.title('img_gray_cmap'),plt.axis('off')#正确用法
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下图所示：
（2）彩色图像
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('zxp.jpg')
b,g,r=cv2.split(img) #通道分割
img_RGB=cv2.merge([r,g,b])#通道组合
plt.subplot(121),plt.imshow(img),plt.title('img_BGR'), plt.axis('off') #坐标轴关闭
plt.subplot(122),plt.imshow(img_RGB),plt.title('img_RGB'), plt.axis('off')
运行结果如下图所示：
5 直方图均衡化对比
直方图均衡化前后对比，使用前面提到的 matplotlib.pyplot.subplot() 函数 和 matplotlib.pyplot.imshow() 函数。
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
img_gray = cv2.imread('zxp.jpg', cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img_gray)
plt.subplot(221),plt.imshow(img_gray, cmap=plt.cm.gray),plt.title('img_gray'), plt.axis('off') #坐标轴关闭
plt.subplot(222),plt.imshow(equ, cmap=plt.cm.gray),plt.title('equ'), plt.axis('off') #坐标轴关闭
plt.subplot(223),plt.hist(img_gray.ravel(),256),plt.title('img_gray_hist')
plt.subplot(224),plt.hist(equ.ravel(),256),plt.title('equ_hist')
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果如下图所示：
