opencv学习笔记--直方图的均值化
opencv中图像的均值化都是基于灰度图的。
直方图的均值化能提高图片的对比度。
下面介绍两种方法
- 自带函数均值化
- cv.equalizeHist()
- 参数： 输入一个8比特的单通道图像
- 自定义均值化
- 上述的直方图均衡化可以可能到是一种全局意义上的均衡化，但是有的时候这种操作并不是很好，会把某些不该调整的部分给调整了。Opencv中还有一种直方图均衡化，它是一种局部局部来的均衡化，也就是是说把整个图像分成许多小块（比如按10*10作为一个小块），那么对每个小块进行均衡化。这种方法主要对于图像直方图不是那么单一的（比如存在多峰情况）图像比较实用。Opencv中将这种方法称之为CLAHE，使用到的函数就是cv2.createCLAHE()，一个实例如下：
- createCLAHE([, clipLimit[, tileGridSize]]) -> retval
- clipLimit参数表示对比度的大小。 tileGridSize参数表示每次处理块的大小 。
import cv2 as cv
from matplotlib import pyplot as plt
def equalHist_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
dst = cv.equalizeHist(gray)
cv.imshow("equal", dst)
def myequal(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
clahe = cv.createCLAHE(clipLimit=5.0, tileGridSize=(8, 8))
dst = clahe.apply(gray)
cv.imshow("myequal", dst)
src = cv.imread("D://work//long.jpg")
cv.imshow("yuantu",src)
equalHist_demo(src)
myequal(src)
cv.waitKey(0)
cv.destroyAllWindows()本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年08月22日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读