一. 直方图归一化
有些灰度图像的像素并没有分布在 [0,255] 内，而是分布在 [0,255] 的子区间内。这样的图像肉眼看上去往往不是很清晰。我们可以通过直方图归一化的方式，将它的像素分布从 [0,255] 的子区间变为 [0,255] 范围内。通过这样的方式，往往可以增加图像的清晰度。
这种归一化直方图的操作被称为灰度变换（Grayscale Transformation）。像素点的取值范围从 [c,d] 转换到 [a,b] 的算法如下：
二. 实验：将一张灰度范围为 [10,160] 的图像进行直方图归一化，使其灰度范围为 [0,255]
1 import cv2 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 # histogram normalization 6 def hist_normalization(img, a=0, b=255): 7 # get max and min 8 c = img.min() 9 d = img.max() 10 11 out = img.copy() 12 13 # normalization 14 out = (b-a) / (d - c) * (out - c) + a 15 out[out < a] = a 16 out[out > b] = b 17 out = out.astype(np.uint8) 18 19 return out 20 21 # Read image 22 img = cv2.imread("../head_g_n.jpg",0).astype(np.float) 23 # histogram normalization 24 out = hist_normalization(img) 25 26 # Display histogram 27 plt.hist(out.ravel(), bins=255, rwidth=0.8, range=(0, 255)) 28 plt.savefig("out_his.jpg") 29 plt.show() 30 31 # Save result 32 cv2.imshow("result", out) 33 cv2.imwrite("out.jpg", out) 34 cv2.waitKey(0) 35 cv2.destroyAllWindows()
三. 实验结果及分析
可以看到，我们将灰度范围为 [10,160] 的图像进行直方图归一化到 [0,255] 后，图像的清晰度显著增强。
四. 参考内容：
https://www.jianshu.com/p/7b4bf0f2621b
图像直方图归一化 Histogram Normalization
原文：https://www.cnblogs.com/wojianxin/p/12509686.html