基于Python的直方圖均衡探討

惠為君

（鹽城工學(xué)院，江蘇鹽城 224051)

0 引言

圖像增強(qiáng)是指對(duì)圖像進(jìn)行灰度變換，使圖像與視覺響應(yīng)相匹配，加強(qiáng)圖像的視覺效果的一種圖像處理方法。灰度變換的方法很多，其中的一種是點(diǎn)運(yùn)算，指用一個(gè)單調(diào)遞增的函數(shù)對(duì)原圖像的灰度進(jìn)行非線性運(yùn)算，從而實(shí)現(xiàn)對(duì)比度增強(qiáng)[1-3]。

如圖1 所示，x 表示變換源圖像的灰度值，y 表示目標(biāo)圖像的灰度值。變換函數(shù)y=T(x)需要滿足以下兩個(gè)要求：

圖1 變換函數(shù)

1) 0 ≤x ≤255,0 ≤y ≤255,x 和y 的取值范圍相同。這一條保證變換以后，像素值不能超過范圍。

2)T(x)在區(qū)間[0 255]上嚴(yán)格單調(diào)遞增。這一條保證源像素值和目標(biāo)像素值大小一一對(duì)應(yīng)。不允許出現(xiàn)灰度倒置甚至于灰度翻轉(zhuǎn)，否則影響視覺效果。

不是所有的單調(diào)遞增函數(shù)都可用于灰度變換。常用的變換函數(shù)有兩種形式，函數(shù)Ⅰ和函數(shù)Ⅱ。對(duì)于函數(shù)Ⅰ,源圖像像素范圍[0 128]變換到[0 N2],對(duì)于函數(shù)Ⅱ,則變換到[0 N1]?？梢钥闯?，N2＞128，N1＜128,函數(shù)Ⅰ拉伸了低灰度級(jí)，壓縮了高灰度級(jí)，函數(shù)Ⅱ則相反?？芍€斜率大于1的時(shí)候，灰度拉伸，小于1的時(shí)候，灰度壓縮。

1 直方圖均衡原理

一幅數(shù)字圖像中，不同灰度值的像素的數(shù)目是不同的。由于光照等的影響，像素值的分布不同，如果光照較強(qiáng)，高灰度級(jí)像素較多，如果光照弱，低灰度級(jí)像素較多[4]。

設(shè)置的變換函數(shù)需要把灰度值相對(duì)集中的灰度范圍拉伸，灰度值分布較少的灰度范圍壓縮，使得總體上灰度的分布更均勻。

在需要拉伸的灰度區(qū)域，設(shè)置的變換函數(shù)斜率大于1，在需要壓縮的灰度區(qū)域變換函數(shù)斜率小于1。因此，灰度值越集中，對(duì)應(yīng)的變換函數(shù)的斜率越大，反之越小，灰度變換函數(shù)的斜率與灰度分布有關(guān)。

直方圖均衡指的是利用圖像的直方圖，構(gòu)建符合以上要求的變換函數(shù)，實(shí)現(xiàn)圖像增強(qiáng)[5]。

為了方便討論，假設(shè)圖像的灰度值連續(xù)分布，其取值范圍[0，L-1]?；叶戎捣植季哂须S機(jī)性，用概率密度為f(x)表示，其含義表示灰度值x 附近單位區(qū)間的像素?cái)?shù)目占總數(shù)的百分比。

T(x)單調(diào)遞增，x,y 的灰度值變化范圍都取[0，L-1]，符合變換函數(shù)的要求?；叶戎祔 對(duì)應(yīng)的概率密度為g(y)。對(duì)于任意x,必然存在y，使得公式(2)成立。

式(2)兩邊對(duì)x求導(dǎo)：g(y)dy/dx=f(x)

式(1)對(duì)x求導(dǎo)：dy/dx=(L -1)f(x)

得到g(y)=1/(L -1)

變換以后，概率密度函數(shù)g(y)為常數(shù)，灰度值分布為均勻分布。變換之前，x 的分布局限在一個(gè)較小的范圍，反映在視覺效果上，圖像不清晰，變換以后灰度值分布是均勻的，圖像對(duì)比度增強(qiáng)，在視覺效果上圖像更清晰。

對(duì)于數(shù)字圖像，j表示灰度級(jí)，xj表示灰度級(jí)j對(duì)應(yīng)的灰度值，nxj表示灰度值為xj的像素?cái)?shù)目?；叶戎祒j的范圍為[0,L-1]，N 表示像素的總數(shù)目。和模擬圖像對(duì)應(yīng)的數(shù)字圖像變換函數(shù)定義如表1所示。最終得到變換函數(shù)：

表1 數(shù)字圖像灰度變換函數(shù)

由于變換函數(shù)與直方圖有關(guān)，變換結(jié)果為均勻分布，因此稱這種圖像增強(qiáng)方法為直方圖均衡。yi為目標(biāo)圖像的灰度值，xi為源圖像的灰度值，i為對(duì)應(yīng)的灰度級(jí)。

2 Python實(shí)現(xiàn)

直方圖均衡算法實(shí)現(xiàn)步驟如下：

1)獲取圖像灰度級(jí)分布i。

2)統(tǒng)計(jì)灰度級(jí)i對(duì)應(yīng)的像素?cái)?shù)目ni。

3)計(jì)算灰度直方圖的歸一化概率表達(dá)式:p(si)=ni/N,N為像素總的數(shù)目。

4)計(jì)算累積灰度直方圖。

5)進(jìn)行取整擴(kuò)展，計(jì)算映射后輸出圖像各灰度級(jí)對(duì)應(yīng)灰度值的歸一化表達(dá)形式tk。

6)確定映射關(guān)系sk→tk。

7)統(tǒng)計(jì)映射后各灰度級(jí)的像素?cái)?shù)目nk。

8)得到新的灰度統(tǒng)計(jì)直方圖的歸一化概率表達(dá)形式：pt(tk)=nk/N，N 為輸出圖像的像素?cái)?shù)目，即原始圖像的像素?cái)?shù)目。

基于Python 和OpenCV 實(shí)現(xiàn)以上直方圖均衡算法[6-7]。其步驟如下：

1) 調(diào)用cv2.imread()函數(shù)，讀取JPEG 數(shù)字圖像[2]，通過參數(shù)設(shè)置，直接保存為n灰度圖像數(shù)據(jù)。對(duì)各個(gè)灰度級(jí)進(jìn)行累計(jì)計(jì)算，并歸一化。

2)累積直方圖函數(shù)pix_gray(img_gray)，累積直方圖函數(shù)乘以(L-1)得到轉(zhuǎn)換函數(shù)。

3)利用轉(zhuǎn)換函數(shù)實(shí)現(xiàn)源圖像的直方圖均衡，得到目標(biāo)圖像。

4)保存目標(biāo)圖像。

在讀取圖像之后，實(shí)現(xiàn)直方圖灰度級(jí)統(tǒng)計(jì)的函數(shù)如下：

其中，N=h×w,表示總的像素?cái)?shù)目，lut 存放變換的結(jié)果。

3 測(cè)試及分析

測(cè)試了三種256 色灰度圖像，這三種圖像的灰度值分布都比較集中，一種灰度值較小的像素較多，如圖2 所示，一種灰度值居中的像素較多，如圖3 所示，一種灰度值較大的像素較多，如圖4所示。

圖2 灰度值偏小圖像及處理結(jié)果

圖3 灰度值居中圖像及處理結(jié)果

圖4 灰度值偏大圖像及處理結(jié)果

由圖2 直方圖可知，圖像像素值主要分布在0～100 之間，源圖像偏暗。轉(zhuǎn)換函數(shù)分為兩個(gè)部分，0～100之間部分斜率較大，對(duì)0～100級(jí)之間的灰度有很好的拉伸效果。由于拉伸以后，圖像灰度均勻分布，目標(biāo)圖像清晰很多。

由圖3 直方圖可知，圖像像素值主要分布在100～200 之間，源圖像灰蒙蒙的。轉(zhuǎn)換函數(shù)在100～200之間部分斜率較大，對(duì)100～200級(jí)之間的灰度有很好的拉伸效果。由于拉伸以后，汽車和地磚清晰很多。

由圖4 直方圖可知，圖像像素值主要分布在100～255之間，源圖像偏亮。轉(zhuǎn)換函數(shù)在100～200之間部分斜率較大，對(duì)100～255級(jí)之間的灰度有很好的拉伸效果。由于拉伸以后，陽(yáng)光下的植物清晰很多。

4 結(jié)束語(yǔ)

由于光照等環(huán)境的影響，圖像的灰度值分布可能比較集中，這就導(dǎo)致圖像對(duì)比度較小、不清晰。利用直方圖累積函數(shù)作為變換函數(shù)可以對(duì)源圖像進(jìn)行點(diǎn)運(yùn)算，對(duì)源圖像的灰度范圍進(jìn)行拉伸或壓縮，目標(biāo)圖像的灰度值將是均勻分布，這樣圖像的對(duì)比度將增強(qiáng)，清晰度將提高。直方圖均衡將灰度值集中的灰度值拉伸，并不代表灰度值一定增多。