Question

我正在尝试使用代码来增加灰度图像的对比度，使其更清晰。我似乎无法使此代码工作。我试图获得像素中每个值的分布频率（不使用除cv2之外的任何模块）并获得累积分布频率，然后我可以使用下面的等式更改该值。知道我的代码有什么问题吗？

import cv2
img=cv2.imread(raw_input())
shape=img.shape
row=shape[0]
col=shape[1]

def df(img): #to make a histogram (count distribution frequency)
    values=[]
    occurances=[]
    for i in range (len(img)):
        for j in img[i]:
            values.append(j)
            if j in values:
                count +=3
                occurances.append(count)
    return occurances

def cdf (img): #cumulative distribution frequency
    values2=[]
    for i in values:
        j=0
        i=i+j
        j+1
        values2.append(i)
    return values2

def h(img): #equation for the new value of each pixel
    h=((cdf(img)-1)/((row*col)-1))*255
    return h

newimage=cv2.imwrite('a.png')

这是我正在尝试做的一个例子。

提前谢谢。

Answer 1

如果你不知道，opencv提供了一个用于历史分析均衡的内置函数，记录在案here。

还有关于您的代码：

分配频率（或直方图）计算不正确，因为您只计算图像中出现的颜色频率。您应该计算所有颜色值的外观，即使它们没有出现。此外，每当您的颜色再次出现时，您都会在列表中添加该颜色的新元素，这没有多大意义。我不太确定+ = 3来自哪里。

我会做的是这样的事情：

def df(img): #to make a histogram (count distribution frequency)
    values = [0] * 256
    for i in range(len(img)):
        for j in img[i]:
           values[j] += 1

Answer 2

这是一个有一些修改的解决方案。它提供以下输出

原文：

均衡：

主要修改：

df()和cdf()功能变得简单。在执行时打印输出以检查它是否与您期望的输出匹配
equalize_image()函数通过从正常像素范围（range(0,256)）插值到累积分布函数来均衡图像

以下是代码：

import cv2
img = cv2.imread(raw_input('Please enter the name of your image:'),0) #The ',0' makes it read the image as a grayscale image
row, col = img.shape[:2]


def df(img):  # to make a histogram (count distribution frequency)
    values = [0]*256
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            values[img[i,j]]+=1
    return values


def cdf(hist):  # cumulative distribution frequency
    cdf = [0] * len(hist)   #len(hist) is 256
    cdf[0] = hist[0]
    for i in range(1, len(hist)):
        cdf[i]= cdf[i-1]+hist[i]
    # Now we normalize the histogram
    cdf = [ele*255/cdf[-1] for ele in cdf]      # What your function h was doing before
    return cdf

def equalize_image(image):
    my_cdf = cdf(df(img))
    # use linear interpolation of cdf to find new pixel values. Scipy alternative exists
    import numpy as np
    image_equalized = np.interp(image, range(0,256), my_cdf)
    return image_equalized

eq = equalize_image(img)
cv2.imwrite('equalized.png', eq)

直方图均衡Python（没有Numpy和No Plotting）

2 个答案: