有没有一种使用OpenCV来均衡化16位每样本图像直方图的方法？

Question

我正在使用每样本16位的图像。
有没有一种（简单）的方法来执行这些图像的直方图均衡化（转换为8位/像素是不可选的）？

- tomaja

Answer 1

equalizeHist在OpenCV中只处理8位数据。

但是OpenCV中的图像归一化并不仅限于8位数据。请参阅此处的描述。在您的情况下，函数调用应如下所示：

normalize(src_image, dst_image, 0, 65535, NORM_MINMAX);

如果您想提高图像对比度，首先尝试规范化，只有在这种方法不起作用时再尝试均衡化。规范化更快且破坏性较小。

参考：http://answers.opencv.org/question/3176/improve-contrast-of-a-16u-image/

- michaeltang

---

抱歉，我之前没有提到，图像已经归一化（0-65535），但大多数样本在5000-9000范围内。谢谢。 - tomaja

嗯，仔细想想，我可以进行简单的非线性转换，将5000-9000值范围扩展，并缩小两个剩余的低频值范围（低出现次数）。我刚刚发现同样的答案在你提到的链接帖子中。无论如何，感谢你的建议 :) - tomaja

Answer 2

目前，OpenCV的equalizeHist仅支持8位图像。我基于OpenCV实现（此处），创建了一个16位直方图均衡化函数，代码在这里。

void equalizeHist16Bit(const cv::Mat &_src, cv::Mat &_dst)
{
    _dst = _src.clone();

    const int hist_sz = 65536;
    int *hist = new int[hist_sz] {};
    int *lut = new int[hist_sz] {};

    for (int y = 0; y < _src.rows; y++)
        for (int x = 0; x < _src.cols; x++)
            hist[(int)_src.at<unsigned short int>(y, x)]++;

    auto i = 0;
    while (!hist[i]) ++i;

    auto total = (int)_src.total();
    if (hist[i] == total) 
    {
        _dst.setTo(i);
        return;
    }

    float scale = (hist_sz - 1.f) / (total - hist[i]);
    auto sum = 0;

    for (lut[i++] = 0; i < hist_sz; ++i) 
    {
        sum += hist[i];
        lut[i] = cv::saturate_cast<ushort>(sum * scale);
    }

    for (int y = 0; y < _src.rows; y++)
        for (int x = 0; x < _src.cols; x++)
        {
            _dst.at<unsigned short int>(y, x) = lut[(int)_src.at<unsigned short int>(y, x)];
        }
}

- Syaiful Nizam Yahya

---

你好！我可以问一下如何在Python中实现这个吗？ - Turq6ise

Answer 3

Python的简单实现 参考：https://github.com/torywalker/histogram-equalizer/blob/master/HistogramEqualization.ipynb

import cv2
import numpy as np
import matplotlib.pyplot as plt
img_tif=cv2.imread("scan.tif",cv2.IMREAD_ANYDEPTH)
img = np.asarray(img_tif)
flat = img.flatten()
hist = get_histogram(flat,65536)
#plt.plot(hist)

cs = cumsum(hist)
# re-normalize cumsum values to be between 0-255

# numerator & denomenator
nj = (cs - cs.min()) * 65535
N = cs.max() - cs.min()

# re-normalize the cdf
cs = nj / N
cs = cs.astype('uint16')
img_new = cs[flat]
#plt.hist(img_new, bins=65536)
#plt.show(block=True)
img_new = np.reshape(img_new, img.shape)
cv2.imwrite("contrast.tif",img_new)

- chetan

---

欢迎来到 Stack Overflow！请详细说明这段代码的作用以及它如何帮助解决问题。仅有代码的答案在这里被认为是质量较差的，应该配合一些解释。 - quinz

这对我不起作用。 - Turq6ise