from PIL import Imagefrom pylab import *from numpy import *def histeq(im,nbr_bins = 256): '''對(duì)一幅灰度圖像進(jìn)行直方圖均衡化''' #計(jì)算圖像的直方圖 #在numpy中，也提供了一個(gè)計(jì)算直方圖的函數(shù)histogram(),第一個(gè)返回的是直方圖的統(tǒng)計(jì)量，第二個(gè)為每個(gè)bins的中間值 imhist,bins = histogram(im.flatten(),nbr_bins,normed= True) cdf = imhist.cumsum() # cdf = 255.0 * cdf / cdf[-1] #使用累積分布函數(shù)的線性插值，計(jì)算新的像素值 im2 = interp(im.flatten(),bins[:-1],cdf) return im2.reshape(im.shape),cdfpil_im = Image.open(’E:Pythonfanwei.jpg’) #打開(kāi)原圖pil_im_gray = pil_im.convert(’L’) #轉(zhuǎn)化為灰度圖像pil_im_gray.show() #顯示灰度圖像im = array(Image.open(’E:Pythonfanwei.jpg’).convert(’L’))# figure()# hist(im.flatten(),256)im2,cdf = histeq(im)# figure()# hist(im2.flatten(),256)# show()im2 = Image.fromarray(uint8(im2))im2.show()# print(cdf)# plot(cdf)im2.save('junheng.jpg')

圖1：原圖的灰度圖

圖2：進(jìn)行直方圖均衡化后的圖像

圖3：原圖灰度圖的直方圖

圖4：進(jìn)行直方圖均衡化后的直方圖

圖5：灰度變換函數(shù)

以上就是python 對(duì)一幅灰度圖像進(jìn)行直方圖均衡化的詳細(xì)內(nèi)容，更多關(guān)于python 直方圖均衡化的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！