直方图均衡化是一种用于改善图像对比度的方法，特别是在图像的亮度分布不均匀时。这种方法通过重新分配像素值来扩展图像的亮度范围，从而增强图像的细节。以下是一个使用Python和OpenCV库实现灰度图像直方图均衡化的代码示例。
首先，确保你已经安装了OpenCV库。如果没有安装，可以通过以下命令安装：
pip install opencv-python
下面是直方图均衡化的完整代码示例：
import cv2
import numpy as np
def equalize_histogram(image_path):
# 读取灰度图像
gray_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
if gray_image is None:
print("无法读取图像，请检查文件路径。")
return
# 计算直方图
hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256])
# 应用累积直方图
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()
# 使用累积直方图进行直方图均衡化
equalized_image = cv2.LUT(gray_image, np.uint8(cdf_normalized))
# 显示原始图像和均衡化后的图像
cv2.imshow('Original Image', gray_image)
cv2.imshow('Equalized Image', equalized_image)
# 等待用户按键后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()
# 使用示例
equalize_histogram('path_to_your_image.jpg')
代码解释
导入库：首先导入必要的库，包括OpenCV（cv2）和NumPy（np）。
定义函数：定义一个名为
equalize_histogram的函数，它接受一个图像路径作为参数。读取图像：使用
cv2.imread函数读取图像，并将其转换为灰度图像。计算直方图：使用
cv2.calcHist函数计算灰度图像的直方图。累积直方图：计算直方图的累积分布函数（CDF）。
直方图均衡化：使用累积直方图对原始图像进行直方图均衡化。
显示图像：使用
cv2.imshow函数显示原始图像和均衡化后的图像。等待用户按键：使用
cv2.waitKey(0)等待用户按键，然后使用cv2.destroyAllWindows关闭所有窗口。
通过运行上述代码，你可以将任何灰度图像均衡化，并观察到对比度的提升。记得将'path_to_your_image.jpg'替换为你的图像文件路径。