Python中的自适应直方图均衡化

Question

我正在尝试在Python中实现自适应直方图均衡化。我将一张图片分成较小的区域，然后对其应用传统的直方图均衡化。然后将这些小图像合并成一个，并获得最终的结果图像。最终图像的特点是非常块状，并且每个单独区域的对比度级别不同。是否有一种方法可以保持每个单独图像的均匀对比度，使其看起来像单个图像而不是拼接在一起的小图像。

请看下面的图片进行更好的理解：

import cv2
import numpy as np
from matplotlib import pyplot as plt
from scipy.misc import imsave
from scipy import ndimage
from scipy import misc
import scipy.misc
import scipy

import image_slicer
from image_slicer import join
from PIL import Image

img = 'watch.png'
num_tiles = 25
tiles = image_slicer.slice(img, num_tiles)


for tile in tiles:
    img = scipy.misc.imread(tile.filename)
    hist,bins = np.histogram(img.flatten(),256,[0,256])
    cdf = hist.cumsum()
    cdf_normalized = cdf *hist.max()/ cdf.max()  
    plt.plot(cdf_normalized, color = 'g')
    plt.hist(img.flatten(),256,[0,256], color = 'g')
    plt.xlim([0,256])
    plt.legend(('cdf','histogram'), loc = 'upper left')
    cdf_m = np.ma.masked_equal(cdf,0)
    cdf_o = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())
    cdf = np.ma.filled(cdf_o,0).astype('uint8')
    img3 = cdf[img]
    cv2.imwrite(tile.filename,img3)
    tile.image = Image.open(tile.filename

image = join(tiles)
image.save('watch-join.png')

- user2808264

---

你确定这种算法方法是你想要的吗？你看到的结果是预期的。当然，它没有太多的平滑度。由于我不熟悉自适应直方图均衡化，我在维基百科上查找了相关算法，那里的算法非常不同（基于滑动窗口；不像你的情况中没有重叠的块），显然会得到更加平滑的结果。你也可以查看skimage的方法/实现。 - sascha

你的程序相关内容翻译如下：输出结果符合你对问题的处理方式，因为你会根据不同的直方图来处理每个块。你有没有阅读过任何关于这个问题的论文或开源代码？没有必要重复造轮子。 - Piglet

@sascha，我已经发布了另一段代码来实现AHE。您是否可以审查它并提出任何改进建议？ - user2808264

Answer 1

我查看了实际算法，并提出了以下实现。我相信有更好的方法来完成这个任务。欢迎提供建议。

import numpy as np
import cv2

img = cv2.imread('watch.png',0)
print img
img_size=img.shape
print img_size

img_mod = np.zeros((600, 800))

for i in range(0,img_size[0]-30):
    for j in range(0,img_size[1]-30):
        kernel = img[i:i+30,j:j+30]
        for k in range(0,30):
            for l in range(0,30):
                element = kernel[k,l]
                rank = 0
                for m in range(0,30):
                    for n in range(0,30):
                        if(kernel[k,l]>kernel[m,n]):
                            rank = rank + 1
                img_mod[i,j] = ((rank * 255 )/900)

im = np.array(img_mod, dtype = np.uint8)
cv2.imwrite('target.png',im)

- user2808264