最小最大值图像直方图拉伸

Question

我有一个问题，需要将图像的直方图拟合到特定范围以获得更好的对比度。首先，我使用的数据从输入图像+直方图到输出图像+直方图再到我想要的输出+直方图：

输入图像： 输入图像的直方图： 输出图像： 输出图像的直方图： 期望的输出（看起来更加平滑）： 期望输出图像的直方图： 程序中的方法描述只是说“将黑色映射到最小强度，白色映射到最大强度”。以下是执行映射的代码：

for y in range(0, h):
    for x in range(0, w):
        image[y,x] = (((image[y,x] - smallest) / diff)  * 65535)

在这段代码中，smallest表示原始图像中最小的强度值，diff表示最大强度和最小强度之间的差异。

为了最终得到更加平滑的直方图，我需要做些什么？

谢谢您的帮助！

- Philipp Marquardt

Answer 1

你可以尝试使用scikit-image exposure模块的直方图均衡化（通常比对比度/直方图拉伸产生更好的结果）：

from skimage.io import imread
from skimage.exposure import equalize_hist
import matplotlib.pylab as plt
image = imread('../lc.png')
image = image / np.max(image)
plt.figure(figsize=(15,10))
plt.subplot(221)
plt.imshow(image, cmap='gray')
plt.title('original image')
plt.subplot(222)
plt.hist(image.ravel(), normed=True)
plt.title('histogram')
image = equalize_hist(image)
plt.subplot(223)
plt.imshow(image, cmap='gray')
plt.title('contrast-enhanced image')
plt.subplot(224)
plt.hist(image.ravel(), normed=True)
plt.title('histogram')
plt.show()

- Sandipan Dey

Answer 2

如果image是整数类型，那么(image[y,x] - smallest) / diff)将是一个较小的整数--这个操作会向下取整结果，有效地量化输入的灰度级别。

为了防止这种情况发生，预先计算乘数如下：

scale = 65535 / diff
image[y,x] = (image[y,x] - smallest) * scale

或者，在计算映射之前将像素值转换为浮点数，然后再将其转换回整数以存储回image数组中。

- Cris Luengo

---

@PhilippMarquardt：这很难让人相信。你能分享一下你具体尝试了什么吗？你重新加载过图片吗？ - Cris Luengo

抱歉，我再次查看了一下并找到了错误。您的修复程序做得很好。我使用image = cv2.imread(im, 0)读取图像，这将图像转换为8位并进行了一些奇怪的操作。我将其更改为image = cv2.imread(im, -1)，现在它可以正常工作了。谢谢！ - Philipp Marquardt