### OpenCV实现直方图均衡化与直方图规定化的Python代码 #### 直方图均衡化 直方图均衡化是一种用于增强图像对比度的技术，它通过对输入图像的灰度级重新分配来扩展动态范围。以下是使用OpenCV库实现全局直方图均衡化的代码示例： ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 加载灰度图像 image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE) # 应用全局直方图均衡化 equalized_image = cv2.equalizeHist(image) # 显示原始图像和均衡化后的图像 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1), plt.imshow(image, cmap='gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 2, 2), plt.imshow(equalized_image, cmap='gray') plt.title('Equalized Image'), plt.xticks([]), plt.yticks([]) plt.show() ``` 此代码加载了一张灰度图像，并调用了`cv2.equalizeHist()`函数对其进行全局直方图均衡化[^1]。 #### 局部直方图均衡化（CLAHE） 局部直方图均衡化通常通过对比受限的自适应直方图均衡化（CLAHE）算法实现。以下是一个基于CLAHE的代码示例： ```python # 创建CLAHE对象 (clipLimit=2.0表示剪切限制，tileGridSize=(8,8)定义网格大小) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) # 对图像应用CLAHE clipped_equalized_image = clahe.apply(image) # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1), plt.imshow(image, cmap='gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 2, 2), plt.imshow(clipped_equalized_image, cmap='gray') plt.title('CLAHE Equalized Image'), plt.xticks([]), plt.yticks([]) plt.show() ``` 该方法适用于需要保留更多细节的场景，特别是当图像具有复杂光照条件时[^2]。 #### 直方图规定化 直方图规定化是指将一幅图像的直方图转换为目标直方图的过程。虽然OpenCV未提供内置的直方图规定化功能，但可以通过手动计算完成这一过程。以下是一个简单的实现方式： ```python def histogram_specification(source_img, target_img): source_hist, _ = np.histogram(source_img.flatten(), 256, [0, 256]) target_hist, _ = np.histogram(target_img.flatten(), 256, [0, 256]) # 计算累积分布函数 source_cdf = source_hist.cumsum() / source_hist.sum() target_cdf = target_hist.cumsum() / target_hist.sum() # 建立映射关系 mapping = np.interp(source_cdf, target_cdf, range(256)) # 转换源图像 specified_image = mapping[source_img] return specified_image.astype(np.uint8) # 加载目标图像 target_image = cv2.imread('target_example.jpg', cv2.IMREAD_GRAYSCALE) # 执行直方图规定化 specified_image = histogram_specification(image, target_image) # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 3, 1), plt.imshow(image, cmap='gray') plt.title('Source Image'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 3, 2), plt.imshow(target_image, cmap='gray') plt.title('Target Image'), plt.xticks([]), plt.yticks([]) plt.subplot(1, 3, 3), plt.imshow(specified_image, cmap='gray') plt.title('Specified Image'), plt.xticks([]), plt.yticks([]) plt.show() ``` 这段代码实现了从源图像到目标图像的直方图匹配操作。注意，这里假设两幅图像均为灰度图像[^4]。 ---