### 实现灰度直方图均衡化的代码示例 以下是基于OpenCV和Pillow两种方法实现图片灰度直方图均衡化的代码示例。 #### 方法一：使用OpenCV实现灰度直方图均衡化 OpenCV提供了`cv2.equalizeHist()`函数来快速实现直方图均衡化。下面是一个完整的代码示例： ```python import cv2 import matplotlib.pyplot as plt # 加载图像并转换为灰度模式 image_path = 'path_to_your_image.jpg' gray_image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 显示原始灰度图像 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title("Original Gray Image") plt.imshow(gray_image, cmap='gray') # 绘制原始灰度图像的直方图 hist_original = cv2.calcHist([gray_image], [0], None, [256], [0, 256]) plt.subplot(1, 2, 2) plt.title("Histogram of Original Image") plt.plot(hist_original) # 应用直方图均衡化 equalized_image = cv2.equalizeHist(gray_image) # 显示均衡化后的灰度图像 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.title("Equalized Gray Image") plt.imshow(equalized_image, cmap='gray') # 绘制均衡化后图像的直方图 hist_equalized = cv2.calcHist([equalized_image], [0], None, [256], [0, 256]) plt.subplot(1, 2, 2) plt.title("Histogram of Equalized Image") plt.plot(hist_equalized) plt.show() ``` 此代码加载了一张灰度图像，显示了它的原始直方图，并应用了OpenCV内置的直方图均衡化算法[^1]。 --- #### 方法二：使用Pillow手动实现灰度直方图均衡化 如果不希望依赖于OpenCV，可以利用Pillow库手动编写直方图均衡化的逻辑。以下是一段示例代码： ```python from PIL import Image import numpy as np import matplotlib.pyplot as plt # 打开图像并将其转换为灰度模式 image_path = 'path_to_your_image.jpg' pil_image = Image.open(image_path).convert('L') np_image = np.array(pil_image) # 获取像素分布频率 histogram, bins = np.histogram(np_image.flatten(), 256, [0, 256]) # 计算累积分布函数 (CDF) cdf = histogram.cumsum() cdf_normalized = cdf * histogram.max() / cdf[-1] # 替换原像素值以实现均衡化 equalized_image = np.interp(np_image.flatten(), bins[:-1], cdf_normalized).reshape(np_image.shape) # 将NumPy数组转回PIL图像对象 equalized_pil_image = Image.fromarray(equalized_image.astype(np.uint8)) # 显示结果 fig, axes = plt.subplots(2, 2, figsize=(10, 10)) axes[0][0].imshow(pil_image, cmap='gray') axes[0][0].set_title("Original Gray Image") axes[0][1].plot(histogram, color='r') axes[0][1].set_title("Original Histogram") axes[1][0].imshow(equalized_pil_image, cmap='gray') axes[1][0].set_title("Equalized Gray Image") new_histogram, _ = np.histogram(equalized_image.flatten(), 256, [0, 256]) axes[1][1].plot(new_histogram, color='g') axes[1][1].set_title("Equalized Histogram") plt.tight_layout() plt.show() ``` 这段代码通过计算累计分布函数(CDF)，实现了对灰度图像的手动直方图均衡化过程[^2]。 --- ### 总结 以上展示了两种不同的方式来实现灰度直方图均衡化——一种是借助OpenCV的高效工具；另一种则是完全依靠Pillow和NumPy进行自定义开发。这两种方法各有优劣，具体选择取决于实际需求和个人偏好。