python实现图像的直方图均衡

摘要: 用python图像库PIL实现直方图均衡

上学期学校开了两门和图像处理相关的选修课，结果我都没选，现在暑假没事做，就找来一本《数字图像处理》自学，直方图均衡是第三章的内容。

直方图均衡的目的在于让图像中的所有像素的灰度值服从均匀分布，在离散的情况下处理的结果是近似服从均匀分布，直方图均衡通常用于增强对比度。

直方图均衡的原理是对图像的灰度值进行变换，s=T(r),0<= r <= L-1,其中r是一个像素点原始的灰度值，s是该像素点变换后的灰度值，L是整幅图像的灰度值的范围，直方图均衡根据原始图像的直方图计算出变换函数T，T在离散的情况下是没有表达式，但可以是一系列<a,b>(元组）的集合，当输入为a时，T(a)=b。

T的计算公式为：



M，N是图像的分辨率，nj是灰度值为j的像素点的个数，具体代码如下：

from PIL import Image

def histogram_t(tb):
totalpixel=0    #用于统计像素总数，即MN
maptb=[]        #存储映射关系
count=len(tb)
for i in range(count):
totalpixel+=tb[i]
maptb.append(totalpixel)

for i in range(count):
maptb[i]=int(round((maptb[i]*(count-1))/totalpixel))

def histogram(light):
return maptb[light]
return histogram

im=Image.open('test.jpg')
im.show()
his=im.histogram()       #获得im的直方图

hisfunc=histogram_t(his) #实例化一个闭包
out=im.point(hisfunc)    #对im应用直方图均衡
out.show()               #显示图像

以下是一些结果截图：

这张是原始图片：



这张是处理的结果：