我是一个深度学习和Tensorflow的新手。
我正在尝试修改cifar10 tensorflow教程,以便将其用于人脸输入图像。
如何计算直方图均衡化?
是否可以包装类似于这个解决方案:使用NumPy进行灰度图像的直方图均衡化?
我是一个深度学习和Tensorflow的新手。
我正在尝试修改cifar10 tensorflow教程,以便将其用于人脸输入图像。
如何计算直方图均衡化?
是否可以包装类似于这个解决方案:使用NumPy进行灰度图像的直方图均衡化?
对于灰度图像的uint8
格式,您可以使用类似以下代码:
def tf_equalize_histogram(image):
values_range = tf.constant([0., 255.], dtype = tf.float32)
histogram = tf.histogram_fixed_width(tf.to_float(image), values_range, 256)
cdf = tf.cumsum(histogram)
cdf_min = cdf[tf.reduce_min(tf.where(tf.greater(cdf, 0)))]
img_shape = tf.shape(image)
pix_cnt = img_shape[-3] * img_shape[-2]
px_map = tf.round(tf.to_float(cdf - cdf_min) * 255. / tf.to_float(pix_cnt - 1))
px_map = tf.cast(px_map, tf.uint8)
eq_hist = tf.expand_dims(tf.gather_nd(px_map, tf.cast(image, tf.int32)), 2)
return eq_hist
测试用:
import tensorflow as tf
import numpy as np
import cv2
image_ph = tf.placeholder(tf.uint8, shape = [None, None, 1])
image_eq_hist = tf_equalize_histogram(image_ph)
image = cv2.imread("./test_gs.png", 0)
image = np.reshape(image, (image.shape[0], image.shape[1], 1))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
image_eq_hist_ = sess.run(image_eq_hist, feed_dict = {image_ph : image})
cv2.imshow("eq_cv", cv2.equalizeHist(image))
cv2.imshow("eq", image_eq_hist_)
cv2.waitKey()
对之前答案的微小修改
def tf_equalize(image):
values_range = tf.constant([0., 255.], dtype = tf.float32)
histogram = tf.histogram_fixed_width(image, values_range, 256)
histogram = tf.cast(histogram,tf.float32)
cdf = cdf/tf.reduce_sum(cdf)
px_map = 255.0*(cdf / tf.reduce_max(cdf))
px_map = tf.cast(px_map, tf.uint8)
eq_hist = tf.expand_dims(tf.gather_nd(px_map, tf.cast(image, tf.int32)), 2)
return eq_hist