大白话直方图均衡

用一句大白话说一下直方图均衡的概念，直方图均衡（histogram equalization)是通过让原图的每个像素点的灰度值通过某个函数变换成另一个值，来提高原图的对比度，具体的函数方程为output = L*T(input)其中output为映射后的灰度值，L为灰度级255，T(r)为灰度值r的累积分布概率，计算方法：灰度值为r及以下的像素点总个数数/总像素点数。
对于数学上的一些分析，这里就不写了，想了解具体的可以看这里
以下是效果图片和代码：

原图

直方图均衡之后

# img_hist = cv2.calcHist(img, [1], None, [256], [0, 256])另一个计算直方图的函数 plt.hist(img[:,:,0].flatten(), 256, [0, 256], color = 'r') # plt.plot(img_hist) plt.title('original') plt.show() img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV) # equalize the histogram of the Y channel img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0]) # only for 1 channel plt.hist(img_yuv[:,:,0].flatten(), 256, [0, 256], color='r') img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR) # y: luminance # img_equalized_hist = cv2.calcHist(img_yuv, [1], None, [256], [0, 256]) # plt.plot(img_equalized_hist) plt.title('equalized') plt.show() # convert the YUV image back to RGB format cv2.imwrite(path, img_output) cv2.imshow('Color input image', img) cv2.imshow('Histogram equalized', img_output) key = cv2.waitKey(0) cv2.destroyAllWindows()