OpenCV Python equalizeHist彩色图像

Question

我需要对彩色图像进行直方图均衡.

首先,我将彩色图像转换为灰色并将其赋予equalizeHist功能:

image = cv2.imread("photo.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.equalizeHist(image)
cv2.imshow("equalizeHist", image)
cv2.waitKey(0)

但在此之后我需要将图像转换回RGB; 我怎样才能做到这一点？

Answer 1

资料来源:https: //www.packtpub.com/packtlib/book/Application-Development/9781785283932/2/ch02lvl1sec26/Enhancing%20the%20contrast%20in%20an%20image

import cv2
import numpy as np

img = cv2.imread('input.jpg')

img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)

# equalize the histogram of the Y channel
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])

# convert the YUV image back to RGB format
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)

cv2.imshow('Color input image', img)
cv2.imshow('Histogram equalized', img_output)

cv2.waitKey(0)

Answer 2

一种更通用的方法是将RGB值转换到另一个包含发光/强度值的空间（Luv，Lab，HSV，HSL），仅在强度平面上应用histeq并执行逆变换。

Answer 3

Python代码

import cv2

def run_histogram_equalization(image_path):
    rgb_img = cv2.imread(image_path)

    # convert from RGB color-space to YCrCb
    ycrcb_img = cv2.cvtColor(rgb_img, cv2.COLOR_BGR2YCrCb)

    # equalize the histogram of the Y channel
    ycrcb_img[:, :, 0] = cv2.equalizeHist(ycrcb_img[:, :, 0])

    # convert back to RGB color-space from YCrCb
    equalized_img = cv2.cvtColor(ycrcb_img, cv2.COLOR_YCrCb2BGR)

    cv2.imshow('equalized_img', equalized_img)
    cv2.waitKey(0)

解释

直方图均衡化 (HE) 是一种用于扩展强度值的统计方法。在图像处理中，HE用于提高任何图像的对比度，即使暗部更暗，亮部更亮。

对于灰度图像，每个像素由强度值（亮度）表示；这就是为什么我们可以将像素值直接提供给 HE 函数的原因。但是，对于RGB格式的彩色图像，这不是它的工作方式。R、G和B 的每个通道代表相关颜色的强度，而不是整个图像的强度/亮度。因此，在这些颜色通道上运行 HE 不是正确的方法。

我们应该首先将图像的亮度与颜色分开，然后对亮度运行 HE。现在，已经有标准化的色彩空间，分别对亮度和颜色进行编码，如YCbCr、HSV等；所以，我们可以在这里使用它们来分离然后重新合并亮度。正确的方法：

将色彩空间从RGB转换为YCbCr >> 在Y通道上运行 HE （该通道代表亮度）>> 将色彩空间转换回RGB

后记

对于HSV色彩空间，HE 应在V通道上运行。然而，YCbCr的Y通道比HSV的V通道更能代表亮度。因此，使用YCbCr格式可为 HE 生成更正确的结果。

后记2

HE技术太天真了，经常会产生奇特的颜色和小工件。这是因为它不关心异常值和像素的位置。因此，更常用的扩展如 - ?Contrast Limited Adaptive HE、Brightnesskeeping Bi-HE 等。此外，在后处理阶段执行不同的降噪功能以改善最终输出。

Answer 4

您不必先将图像转换为灰度图像。您可以使用下面的方法。上面建议的解决方案使用了 YUV 颜色空间，但我将使用 HSV 颜色空间来完成此示例。

image = cv2.imread("photo.jpg")

# convert image from RGB to HSV
img_hsv = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)

# Histogram equalisation on the V-channel
img_hsv[:, :, 2] = cv2.equalizeHist(img_hsv[:, :, 2])

# convert image back from HSV to RGB
image = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2RGB)

cv2.imshow("equalizeHist", image)
cv2.waitKey(0)

Answer 5

img_yuv = cv2.cvtColor(image, cv2.COLOR_BGR2YUV)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(2,2))
img_yuv[:,:,0] = clahe.apply(img_yuv[:,:,0])
img = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
cv2.imshow("equalizeHist", img)
cv2.waitKey(0)