直方图正规化

概念和原理

直方图正规化是一种自动选取 a 和 b 的值的线性变换方法

假设输入图像为 I，高为 H、 宽为 W， I （r， c） 代表 I 的第 r 行第 c 列的灰度值， 将I中出现的最小灰度级记为Imin， 最大灰度级记为Imax，即 I （r， c） ∈[ I min， Imax]， 为使输出图像 O 的灰度级范围为[ Omin， Omax]， I （r， c） 和 O（ r， c） 做以下映射关系：
(O(r,c) = frac{O_{max}-O_{min}}{I_{max}-I_{min}}(I(r, c) - I_{min}) + O_{min})
其中,
(a=frac{O_{max}-O_{min}}{I_{max}-I_{min}}), (b=O_{min}-frac{O_{max}-O_{min}}{I_{max}-I_{min}}*I_{min})

代码

1、若输入是 8 位图 ，一般设置 O_min = 0，O_max = 255
2、若输入的是归一化的图像，一般设置 O_min = 0，O_max = 1

# !/usr/bin/env python
# -*-encoding: utf-8-*-
# author:LiYanwei
# version:0.1

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


def histNormalized(InputImage,O_min = 0,O_max = 255):
    I_min = np.min(InputImage)
    I_max = np.max(InputImage)
    rows,cols = InputImage.shape
    #输出图像
    OutputImage = np.zeros(InputImage.shape,np.float32)
    #输出图像的映射
    cofficient = float(O_max - O_min)/float(I_max - I_min)
    for r in range(rows):
        for c in range(cols):
            OutputImage[r][c] = cofficient*( InputImage[r][c] - I_min) + O_min
    return OutputImage


if __name__ =="__main__":
    image = cv2.imread('img3.jpg', cv2.IMREAD_GRAYSCALE)
    #显示原图
    cv2.imshow("image", image)
    #直方图正规化
    histNormResult = histNormalized(image)
    #数据类型转换，灰度级显示
    histNormResult = np.round(histNormResult)
    histNormResult = histNormResult.astype(np.uint8)
    #显示直方图正规化的图片
    cv2.imshow("histNormlized", histNormResult)
    cv2.imwrite("histNormResult.jpg", histNormResult)