Si una imagen que tiene todo posible nivel de gris, la distribución de gris y uniforme de los valores de píxel, el par que tiene una imagen de alto contraste es tonos cambiantes y grises. gradación rica y mayor cobertura. Esta imagen tiene un color más rico en apariencia, no es demasiado oscura o demasiado brillante.
El propósito principal de ecualización del histograma es a nivel de gris de la imagen original se asigna uniformemente sobre toda la gama de la escala de grises, imagen de escala de grises para obtener una distribución uniforme
Ambos métodos ecualización de histograma:
una primera igualación implementado dentro de la gama original. Implementado dentro del alcance de la ecualización del histograma original se multiplica por la corriente de nivel de gradación de color gris máximo con la corriente de probabilidad acumulativa, un nuevo nivel de gris obtuvo
La segunda ecualización logrado en una gama más amplia de
la aplicación de la ecualización del histograma en una gama más amplia, multiplicado por el nivel de gris máximo dentro de la gama más amplia de niveles de gris con los resultados actuales de probabilidad acumulada en un nuevo escala de grises, y como resultado de la ecualización
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('../data/1.jpg')
img0 = cv2.equalizeHist(img[:, :, 0]) # 各个通道分别均衡化
img1 = cv2.equalizeHist(img[:, :, 1])
img2 = cv2.equalizeHist(img[:, :, 2])
img_e = cv2.merge([img0, img1, img2])
plt.figure('original')
plt.hist(img.ravel(), 256)
plt.figure('after')
plt.hist(img_e.ravel(), 256)
plt.show()
cv2.imshow('img', img)
cv2.imshow('e_img', img_e)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('../data/equ.jpg', img_e)
