【千律】OpenCV基础：直方图均衡化

实现步骤：
1.计算原图像的灰度直方图
2.计算原图像的灰度分布频率
3.计算源图像的累计分布频率
4.将累计分布频率乘以灰度级数减一，四舍五入得到灰度映射变换
5.根据映射关系得到原图像的映射结果，即均衡化后的图像

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


# 封装图片显示函数
def image_show(image):
    if image.ndim == 2:
        plt.imshow(image, cmap='gray')
    else:
        image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        plt.imshow(image)
    plt.show()


if __name__ == '__main__':

    # 读取原图
    img_lenna = cv.imread('lenna.png', 0)

    # 直方图均衡化
    img_hist = cv.equalizeHist(img_lenna)

    # 合并图片
    img_merge = np.hstack((img_lenna, img_hist))

    # 显示图片
    image_show(img_merge)

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


# 封装图片显示函数
def image_show(image):
    if image.ndim == 2:
        plt.imshow(image, cmap='gray')
    else:
        image = cv.cvtColor(image, cv.COLOR_BGR2RGB)
        plt.imshow(image)
    plt.show()


if __name__ == '__main__':

    # 读取原图
    img_lenna = cv.imread('lenna.png', 0)

    # 灰度级数
    GrayClass = 256

    # 计算灰度直方图
    img_hist = cv.calcHist([img_lenna], [0], None, [256], [0, 256])

    # 灰度分布频率
    img_freq = img_hist / img_lenna.size

    # 累计分布频率
    img_cum = np.cumsum(img_freq)

    # 灰度映射变换
    img_sr = np.round(img_cum * (GrayClass - 1)).astype(np.uint8)

    # 直方图均衡化
    img_equ = img_sr[img_lenna]

    # 显示结果
    image_show(img_equ)