OpenCV Python直方图均衡化详细分析

直方图均衡化

• 核心目标
  • 引言
  • 1. 全局直方图均衡化（Global Histogram Equalization, GHE）
  • 2. 约束对比度的自适应直方图均衡化（Contrast-Limited Adaptive Histogram Equalization, CLAHE）
  • 3. 归纳总结

目标

通过本篇文章的学习，你将学习到以下内容：

• 展述直方图均衡化的定义，并通过应用该方法来增强图像对比度。
  • 全局直方图均衡化
  • 对比度受限的直方图均衡化

前言

考虑这样一张图片吧？其中每个像素点都只能取特定数值范围内的值，在亮度较高的情况下，则会让整个图片呈现出高数值区间的特征。然而，在一张高质量的照片中，则应该包含来自画面各个区域的所有亮度值信息。因此，请采取措施将其直方图拉伸至两端（即进行归一化处理），而这正是直方图均衡化的功能所在（简单而言）。这种做法通常能够显著提升图像对比度

图1 直方图均衡化直观描述

下文我们选取一张典型图像进行分析，并调用numpy库中的`np.histogram