我需要对一张彩色图像进行直方图均衡化。
首先将彩色图像转换为灰度图像，并将其提供给equalizeHist函数：
image = cv2.imread("photo.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.equalizeHist(image)
cv2.imshow("equalizeHist", image)
cv2.waitKey(0)
但是在此之后，我需要将图像转换回RGB格式，我该怎么做？
OpenCV Python 直方图均衡化彩色图像
38
- Fariss Abdo
11个回答
53
import cv2
import numpy as np
img = cv2.imread('input.jpg')
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
# equalize the histogram of the Y channel
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])
# convert the YUV image back to RGB format
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
cv2.imshow('Color input image', img)
cv2.imshow('Histogram equalized', img_output)
cv2.waitKey(0)
- Mohammad Al Jazaery
4
6均衡化后的图像看起来有些奇怪。 - Kai Wang
2你的链接损坏了！ - Farid Alijani
1要修复颜色，请查看此帖子：https://dev59.com/HFkS5IYBdhLWcg3w6qIz - Swaroop
如果你遇到了奇怪的颜色问题，可以使用CLAHE。 - user14675723
25
Python 代码
import cv2
def run_histogram_equalization(image_path):
rgb_img = cv2.imread(image_path)
# convert from RGB color-space to YCrCb
ycrcb_img = cv2.cvtColor(rgb_img, cv2.COLOR_BGR2YCrCb)
# equalize the histogram of the Y channel
ycrcb_img[:, :, 0] = cv2.equalizeHist(ycrcb_img[:, :, 0])
# convert back to RGB color-space from YCrCb
equalized_img = cv2.cvtColor(ycrcb_img, cv2.COLOR_YCrCb2BGR)
cv2.imshow('equalized_img', equalized_img)
cv2.waitKey(0)
解释
直方图均衡化（HE）是一种统计方法，用于在图像处理中扩展强度值。在图像处理中，HE用于改善任何图像的对比度，即使黑暗部分更暗，明亮部分更亮。
对于灰度图像，每个像素由强度值（亮度）表示；因此我们能够将像素值直接提供给HE函数。然而，对于RGB格式的彩色图像，这不是工作方式。 R、G和B的每个通道表示相关颜色的强度，而不是整个图像的强度/亮度。因此，在这些颜色通道上运行HE不是正确的方法。
我们应该首先从颜色中分离出图像的亮度，然后在亮度上运行HE。现在已经有了标准化的颜色空间，可以分别编码亮度和颜色，例如-YCbCr、HSV等；因此，在此处可以使用它们进行分离，然后重新合并亮度。正确的做法：
将颜色空间从RGB转换为YCbCr>>对Y通道运行HE （该通道表示亮度）>>将颜色空间转换回RGB
补充说明
对于HSV颜色空间，应在V通道上运行HE。然而，YCbCr的Y通道比HSV的V通道更好地代表亮度。因此，使用YCbCr格式产生更正确的HE结果。
补充说明2
HE是一种朴素技术，往往会产生奇特的颜色和小众问题。这是因为它不关心异常值和像素的位置。因此，常用的扩展技术——对比有限自适应HE、保持亮度的双重HE等。此外，在后处理阶段执行不同的降噪函数以改进最终输出。
- Minhas Kamal
12
一种更加通用的方法是将RGB值转换为另一个包含亮度/强度值的空间（Luv、Lab、HSV、HSL），仅在强度平面上应用histeq，然后执行反向转换。
- AFocsA
5
您无需先将图像转换为灰度图像，可以使用下面的方法。上面提出的建议解决方案使用了YUV颜色空间，但我会使用HSV颜色空间来进行此示例。
image = cv2.imread("photo.jpg")
# convert image from RGB to HSV
img_hsv = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
# Histogram equalisation on the V-channel
img_hsv[:, :, 2] = cv2.equalizeHist(img_hsv[:, :, 2])
# convert image back from HSV to RGB
image = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2RGB)
cv2.imshow("equalizeHist", image)
cv2.waitKey(0)
- sammens19
3
5颜色失真。 - MsLate
imread和imshow使用的是BGR而不是RGB。这可能是颜色失真的原因。 - Pranav
要修复颜色，请查看此帖子：https://dev59.com/HFkS5IYBdhLWcg3w6qIz - Swaroop
5
img_yuv = cv2.cvtColor(image, cv2.COLOR_BGR2YUV)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(2,2))
img_yuv[:,:,0] = clahe.apply(img_yuv[:,:,0])
img = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
cv2.imshow("equalizeHist", img)
cv2.waitKey(0)
- Homura Akemi
4
3如果你能解释一下你的代码，以及你实际在做什么，那就太好了，我的朋友。 - stateMachine
https://en.wikipedia.org/wiki/Adaptive_histogram_equalization - Homura Akemi
3正如 @eldesgraciado 提到的那样，请对您的答案进行一些解释，仅提供一个维基百科链接并不能使其更加完整。请解释为什么您包含了该参考资料？该参考资料与问题有何关联。谢谢！（翻译：请提供更多解释，不要只给维基百科链接，解释为什么你用这个链接作为参考，并说明它与问题的关系。谢谢！） - EnriqueBet
建议修改：请在img = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2RGB)之前将倒数第三行更改为RGB。 - user2814778
4
颜色转换方法cv2.cvtColor()用于在RGB / BGR和YUV之间转换原始图像。以下是最佳的代码片段 -
# convert it to grayscale
img_yuv = cv2.cvtColor(img,cv2.COLOR_BGR2YUV)
# apply histogram equalization
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])
hist_eq = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
您可以从此处了解更多信息 - https://www.etutorialspoint.com/index.php/311-python-opencv-histogram-equalization
- Er Anjali
2
这是一个函数，它可以接受彩色图像作为输入，并返回直方图均衡化后的图像。
# function for color image equalization
def histogram_equalization(img_in):
# segregate color streams
b, g, r = cv2.split(img_in)
h_b, bin_b = np.histogram(b.flatten(), 256, [0, 256])
h_g, bin_g = np.histogram(g.flatten(), 256, [0, 256])
h_r, bin_r = np.histogram(r.flatten(), 256, [0, 256])
# calculate cdf
cdf_b = np.cumsum(h_b)
cdf_g = np.cumsum(h_g)
cdf_r = np.cumsum(h_r)
# mask all pixels with value=0 and replace it with mean of the pixel values
cdf_m_b = np.ma.masked_equal(cdf_b, 0)
cdf_m_b = (cdf_m_b - cdf_m_b.min()) * 255 / (cdf_m_b.max() - cdf_m_b.min())
cdf_final_b = np.ma.filled(cdf_m_b, 0).astype('uint8')
cdf_m_g = np.ma.masked_equal(cdf_g, 0)
cdf_m_g = (cdf_m_g - cdf_m_g.min()) * 255 / (cdf_m_g.max() - cdf_m_g.min())
cdf_final_g = np.ma.filled(cdf_m_g, 0).astype('uint8')
cdf_m_r = np.ma.masked_equal(cdf_r, 0)
cdf_m_r = (cdf_m_r - cdf_m_r.min()) * 255 / (cdf_m_r.max() - cdf_m_r.min())
cdf_final_r = np.ma.filled(cdf_m_r, 0).astype('uint8')
# merge the images in the three channels
img_b = cdf_final_b[b]
img_g = cdf_final_g[g]
img_r = cdf_final_r[r]
img_out = cv2.merge((img_b, img_g, img_r))
# validation
equ_b = cv2.equalizeHist(b)
equ_g = cv2.equalizeHist(g)
equ_r = cv2.equalizeHist(r)
equ = cv2.merge((equ_b, equ_g, equ_r))
# print(equ)
# cv2.imwrite('output_name.png', equ)
return img_out
- Kumar Vaibhav
1
如果您想均衡化RGB图像，不应该将其转换为灰度图像，而是应该逐个均衡化RGB通道。
所以，我认为这可能是您想要的：
def equalize_hist(img):
for c in xrange(0, 2):
img[:,:,c] = cv2.equalizeHist(img[:,:,c])
cv2.imshow('Histogram equalized', img)
cv2.waitKey(0)
return img
- Sanjay Chan
2
2正如另一个答案的评论所提到的，这会扭曲颜色。 - SajanGohil
应该使用
xrange(3)来迭代索引0、1和2。 - Andy1
我不确定它是否正常工作：
def histogram_equalize(img):
b, g, r = cv2.split(img)
red = cv2.equalizeHist(r)
green = cv2.equalizeHist(g)
blue = cv2.equalizeHist(b)
return cv2.merge((blue, green, red))
- ehsan
2
20这是独立地均衡化RGB通道，因此会导致颜色失真。 - broofa
在一行中返回翻译后的文本：
cv2.merge([cv2.equalizeHist(c) for c in cv2.split(img)]) - Andy0
你不应该将图像转换为灰度。你可以使用彩色图像来处理。但是，OpenCV始终以BGR颜色格式读取图像，而不是RGB格式。
import cv2
# imread needs 2 parameters. path and the flag
img = cv2.imread("photo.jpg", 1)
# convert image from BGR to HSV
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# Histogram equalisation on the V-channel
img_hsv[:, :, 2] = cv2.equalizeHist(img_hsv[:, :, 2])
# now the img_hsv has equalized
# now convert hsv image back from HSV to RGB
imgequalized = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2RGB)
cv2.imshow("original img", img)
cv2.imshow("equalizeHist", imgequalized)
cv2.waitKey(0)
- Aish
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接