图像处理——利用全局直方图均衡化和局部直方图均衡化对图像进行直方图操作

比眉伴天荒 2024-03-31 10:11 42阅读 0赞

### 一、实验指导 ###

**基于exposure的图像全局直方图和局部（自适应）直方图均衡化**

**①exposure.equalize\_hist(image,nbins=256,mask=None)**

image：array类型，输入图像

nbins：int可选，图像直方图bin的数量

mask：布尔类型（取值为0或1）的数组，可选，数组大小与图像大小相同，只有mask==True的点能够被用直方图均衡化，否则就基于整幅图像进行直方图均衡化。

**②exposure。equalize\_adapthist(image,kernel\_siz=None,clip\_limit=0.01,nbins=256)**

image()：ndarray类型，输入对象

kernel\_size：int or list\_like类型，可选，定义局部直方图均衡化的领域范围。默认值为（1/8\*height）\*(1/8\*height)。

clip\_limit：float，可选。

### 二、具体实验 ###

### **利用全局直方图均衡化和局部直方图均衡化对图像ch3.tif进行直方图操作。对比显示两种方法的操作结果：** ###

#### **原始图像：** ####

#### ![2f5dd958fc4f464faa3a0f568578e4c7.png][] ####

#### 实验代码： ####

from skimage.io import *
    import matplotlib.pyplot as plt
    from skimage import exposure
    import numpy as np
    
    im = imread("images/ch3.tif")
    
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    
    # 全局直方图均衡化
    plt.subplot(1,2,1)
    image_eq=exposure.equalize_hist(im,nbins=256,mask=None)
    
    plt.title("全局直方图均衡化后的图像")
    plt.axis("off")
    # 显示图像全局直方图均衡化后的图像
    plt.imshow(image_eq,cmap="gray")
    
    #局部直方图均衡化
    plt.subplot(1,2,2)
    image_ad=exposure.equalize_adapthist(im,nbins=256,kernel_size=[25,25],clip_limit=1)
    plt.title("局部直方图均衡化后的图像")
    plt.axis("off")
    plt.imshow(image_ad,cmap="gray")
    plt.show()

### 三、实验结果: ###

![902d6bd3747f43d195e50f0d486e7755.png][]

[2f5dd958fc4f464faa3a0f568578e4c7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/10e18d17d26f416ead30a671dbe53136.png
[902d6bd3747f43d195e50f0d486e7755.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/3f321582375f42dfa28460b1c4bd7ecd.png