我需要对彩色图像进行直方图均衡。
首先，我将彩色图像转换为灰色并将其提供给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)
但在此之后，我需要将图像转换回 RGB；我怎样才能做到这一点？
问问题
66227 次
9 回答
47
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)
〜编辑：原始链接不再可用，此处实现了类似的想法： Histogram Equalization of a Color image with OpenCV
于 2016-07-11T16:54:40.297 回答
14
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 (HE) 是一种用于分散强度值的统计方法。在图像处理中，HE用于提高任何图像的对比度，即使暗部更暗，亮部更亮。
对于灰度图像，每个像素由强度值（亮度）表示；这就是为什么我们可以将像素值直接提供给 HE 函数。但是，对于RGB格式的彩色图像，它不是这样工作的。R、G和B的每个通道代表相关颜色的强度，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。
我们应该首先将图像的亮度与颜色分开，然后在亮度上运行 HE。现在，已经有标准化的色彩空间，分别编码亮度和颜色，如YCbCr、HSV等；所以，我们可以在这里使用它们来分离然后重新合并亮度。正确的方法：
将色彩空间从RGB转换为YCbCr >> 在Y通道上运行 HE （此通道代表亮度） >> 将色彩空间转换回RGB
后记
对于HSV颜色空间，HE 应该在V通道上运行。然而，YCbCr的Y通道比HSV的V通道更能代表亮度。因此，使用YCbCr格式会为 HE 生成更正确的结果。
后记 2
HE技术太幼稚，经常会产生奇特的颜色和小工件。这是因为它不关心异常值和像素的位置。因此，更常使用诸如限制对比度的自适应 HE、保持亮度的 Bi-HE 等扩展。此外，在后处理阶段执行不同的降噪功能以改善最终输出。
于 2021-03-17T15:58:06.333 回答
11
更通用的方法是将 RGB 值转换到另一个包含发光/强度值（Luv、Lab、HSV、HSL）的空间，仅在强度平面中应用 histeq 并执行逆变换。
于 2017-03-28T07:33:23.067 回答
4
您不必先将图像转换为灰度。您可以使用以下方法。上面建议的解决方案使用了 YUV 颜色空间，但我将使用 HSV 颜色空间来做这个例子。
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)
于 2020-03-14T14:36:49.953 回答
2
颜色转换方法 cv2.cvtColor() 用于在 RGB/BGR 和 YUV 之间转换原始图像。这是最好的编码片段 -
# 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)
您可以从这里了解更多信息 - https://www.etutorialspoint.com/index.php/311-python-opencv-histogram-equalization
于 2021-01-07T12:59:43.060 回答
2
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)
于 2020-05-01T03:06:15.917 回答
1
这是一个将彩色图像作为输入并返回直方图均衡图像的函数。
# 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
于 2020-07-19T12:47:12.383 回答
0
如果你想对 RGB 图像进行均衡处理，你不应该转换为灰色而不是一一均衡 RGB 通道。
所以，我想也许这就是你想要的：
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
于 2016-11-17T06:09:52.070 回答
0
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))
于 2016-09-15T11:21:39.593 回答