图像预处理-直方图均衡化
一.什么是直方图
反映图像像素分布的统计图，横坐标就是图像像素的取值，纵坐标是该像素的个数。
二.绘制直方图
hist=cv2.calcHist(images, channels, mask, histSize, ranges)
- images：输入图像列表（必须用[ ]包裹），可以是一幅或多幅图像（通常是灰度图像或者彩色图像的各个通道）。
- channels：如果输入图像是灰度图，它的值就是 [0]；如果是彩色图像的话，传入的参数可以是 [0]，[1]，[2] 它们分别对应着通道 B，G，R。
- mask（可选）：一个与输入图像尺寸相同的二值掩模图像，其中非零元素标记了参与直方图计算的区域, None 为全部计算。
- histSize：一个整数列表，也就是直方图的区间个数(柱子的数目)。用中括号括起来，例如：[256]。
- ranges：每维数据的取值范围，它是一个二维列表，每一维对应一个通道的最小值和最大值，例如对灰度图像可能是 [0, 256]。
返回值hist 是一个长度为255的数组，数组中的每个值表示图像中对应灰度等级的像素计数
下面介绍一个方法，获取部分信息便于后面绘图：
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)
获取直方图的最小值、最大值及其对应的位置索引
绘图函数：
cv2.line(img, pt1, pt2, color, thickness)
- img：原始图像，即要在上面画线的numpy数组（一般为uint8类型）。
- pt1 和 pt2：分别为线段的起点和终点坐标，它们都是元组类型，例如 (x1, y1) 和 (x2, y2) 分别代表线段两端的横纵坐标。
- color：线段的颜色，通常是一个包含三个元素的元组 `(B, G, R)` 表示BGR色彩空间的像素值，也可以是灰度图像的一个整数值。
- thickness：线段的宽度，默认值是1，如果设置为负数，则线宽会被 填充。
import cv2 as cv
import numpy as npimg = cv.imread('../images/zhifang.png')# 获取图像像素计数相关信息
hist = cv.calcHist([img], [0], None, [256], [0, 256])# 获取直方图最小值、最大值及其位置索引
minVal, maxVal, minLoc, maxLoc = cv.minMaxLoc(hist)# 限制直方图的高，不要超过图像高度的90%
hist_height = int(256 * 0.9)# 创建一张全白的图像，作为背景来绘图
hist_img = np.full((256, 256, 3), 255, np.uint8)# 绘制直方图
for h in range(256):# 计算每个直方图的高度，这里* hist_height / maxVal 是为了限制直方图的高度，不要超过图像高度的90%height = int(hist[h].item() * hist_height / maxVal )# 开始绘制（这里的坐标系是opencv绘图的坐标系，不要搞混了）cv.line(hist_img, (h, 256), (h, 256 - height), (0, 0, 255), 1)cv.imshow('hist', hist_img)
cv.waitKey(0)
cv.destroyAllWindows()
三.直方图均衡化
就是用来改善图像的全局亮度和对比度，通俗的讲，就是遍历图像的像素统计出灰度值的个数、比例与累计比例，并重新映射（归一化）到0-255范围（也可以是其他范围）内。
3.1 自适应直方图均衡化（Adaptive Histogram Equalization, AHE）
首先就是统计其每个像素值的个数、比例以及其累计比例：
随后用原像素值的累计比例乘以255（一般缩放比例都是0~255），得到新的像素值。这样就完成了最基本的直方图均衡化的过程：
AHE函数：
dst = cv.equalizeHist(imgGray)
imgGray为需要直方图均衡化的灰度图，返回值为处理后的图像
import cv2 as cv
import numpy as np# 直接灰度化
img = cv.imread('../images/zhifang.png', cv.IMREAD_GRAYSCALE)# 自适应直方图均衡化
img_adapteq = cv.equalizeHist(img)cv.imshow('img', img)
cv.imshow('img_adapteq', img_adapteq)
cv.waitKey(0)
cv.destroyAllWindows()该方法适用于图像的灰度分布不均匀，且灰度分布集中在更窄的范围，图像的细节不够清晰且对比度较低的情况。但很明显，因为全局调整亮度和对比度的原因，脸部太亮，大部分细节都丢失了。
3.2 对比度受限的自适应直方图均衡化（CLAHE）
其主要步骤为：
1. 图像分块（Tiling）：
- 图像首先被划分为多个不重叠的小块（tiles）。这样做的目的是因为在全局直方图均衡化中，单一的直方图无法反映图像各个局部区域的差异性。（tiles 的 大小默认是 8x8）
2. 计算子区域直方图：
- 对于每个小块，独立计算其内部像素的灰度直方图。直方图反映了该区域内像素值的分布情况。
3. 子区域直方图均衡化：
- 对每个小块的直方图执行直方图均衡化操作。这涉及重新分配像素值，以便在整个小块内更均匀地分布。均衡化过程会增加低频像素的数量，减少高频像素的数量，从而提高整个小块的对比度。
4. 对比度限制（Contrast Limiting）：
- 为了防止过大的对比度增强导致噪声放大，出现了限制对比度自适应直方图均衡化。CLAHE会在直方图均衡化过程中引入一个对比度限制参数。当某一小块的直方图在均衡化后出现极端值时，会对直方图进行平滑处理（使用线性或非线性的钳制函数），确保对比度增强在一个合理的范围内。
5. 重采样和邻域像素融合：
- 由于小块之间是不重叠的，直接拼接经过均衡化处理的小块会产生明显的边界效应。因此，在CLAHE中通常采用重采样技术来消除这种效应，比如通过双线性插值将相邻小块的均衡化结果进行平滑过渡，使最终图像看起来更为自然和平滑。
6. 合成输出图像：
- 将所有小块均衡化后的结果整合在一起，得到最终的自适应直方图均衡化后的图像。
clahe = cv2.createCLAHE(clipLimit=None, tileGridSize=None)
- clipLimit（可选）：对比度限制参数，用于控制直方图均衡化过程中对比度增强的程度。如果不设置，OpenCV会使用一个默认值1。
- tileGridSize（可选）：图像分块的大小，通常是一个包含两个整数的元组，如(8, 8)。分块大小的选择会影响到CLAHE的效果以及处理速度。
创建CLAHE对象后，可以使用 .apply() 方法对图像进行CLAHE处理：
img=clahe.apply(image)
- image：要均衡化的图像。
- img：均衡后的图像
import cv2 as cv
import numpy as np# 直接灰度化
img = cv.imread('../images/zhifang.png', cv.IMREAD_GRAYSCALE)# 自适应直方图均衡化
img_adapteq = cv.equalizeHist(img)# 对比度受限直方图均衡化
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
img_clahe = clahe.apply(img)cv.imshow('img', img)
cv.imshow('img_adapteq', img_adapteq)
cv.imshow('img_clahe', img_clahe)
cv.waitKey(0)
cv.destroyAllWindows()
相关文章：
图像预处理-直方图均衡化
一.什么是直方图 反映图像像素分布的统计图，横坐标就是图像像素的取值，纵坐标是该像素的个数。 二.绘制直方图 histcv2.calcHist(images, channels, mask, histSize, ranges) - images：输入图像列表（必须用[ ]包裹）&a…...
应用案例｜兵器重工：某体系需求视图模型开发
某体系需求视图模型开发 一、项目背景 本项目为某体系的需求视图模型开发，其中体系设计建模过程可以分解为7大部分，即建模前期准备、全景视点模型正向设计、能力视点模型正向设计、作战视点模型正向设计、系统视点模型正向设计、体系模型反向追溯设计以…...
YOLOv8改进：ShapeIoU与InnerShapeIoU损失函数的理论与实践
文章目录 YOLOv8 损失函数概述ShapeIoU 与 InnerShapeIoU 损失介绍ShapeIoU 损失InnerShapeIoU 损失 ShapeIoU 和 InnerShapeIoU 损失函数的实现ShapeIoU 损失函数代码实现InnerShapeIoU 损失函数代码实现损失函数在 YOLOv8 中的应用 实验效果与分析ShapeIoU 和 InnerShapeIoU …...
用Go语言正则，如何爬取数据
文章精选推荐 1 JetBrains Ai assistant 编程工具让你的工作效率翻倍 2 Extra Icons：JetBrains IDE的图标增强神器 3 IDEA插件推荐-SequenceDiagram，自动生成时序图 4 BashSupport Pro 这个ides插件主要是用来干嘛的 ？ 5 IDEA必装的插件&…...
Java中实现单例模式的多种方法：原理、实践与优化
单例模式（Singleton Pattern）是设计模式中最简单且最常用的模式之一，旨在确保一个类只有一个实例，并提供全局访问点。在 Java 开发中，单例模式广泛应用于配置管理、日志记录、数据库连接池和线程池等场景。然而&#x…...
Pikachu靶场-RCE漏洞
1. RCE漏洞原理 核心问题：应用程序未对用户输入进行严格过滤，直接将输入内容拼接至系统命令、代码执行函数或反序列化过程中。常见触发场景：命令注入：用户输入被拼接到操作系统命令（如system()、exec()）。代…...
——图像拼接)
OpenCv高阶(七)——图像拼接
目录 一、图像拼接的原理过程 1. 特征检测与描述（Feature Detection & Description） 2. 特征匹配（Feature Matching） 3. 图像配准（Image Registration） 4. 图像变换与投影（Warping&…...
电商系统用户需求报告（示例）
目录 电商系统用户需求报告 1. 引言 1.1 目的 1.2 范围 2. 用户角色与核心需求 2.1 消费者 2.2 商家 2.3 平台管理方 3. 非功能性需求 4. 业务流程 4.1 消费者购物流程 4.2 商家入驻流程…...
图像挖掘课程笔记-第一章：了解机器视觉
一、什么是图像挖掘（Image Mining）？ 图像挖掘是一种从大量图像中自动提取有用信息、知识或模式的技术，它融合了图像处理、机器学习、数据库、人工智能、数据挖掘等多个领域的内容。 🧠 图像挖掘与图像处理的区别 图像…...
Spring集合注入Bean
Spring框架中实现Bean集合注入的详细方法 1. 基础自动注入方式1.1 使用Autowired注入List1.2 使用Autowired注入Map 2. 更精细的控制方式2.1 使用Qualifier进行筛选2.2 使用自定义注解筛选 3. Java配置类方式4. 排序注入的Bean集合4.1 使用Order注解4.2 实现Ordered接口 5. 条件…...
实验一 进程控制实验
一、实验目的 1、掌握进程的概念，理解进程和程序的区别。 2、认识和了解并发执行的实质。 3、学习使用系统调用fork()创建新的子进程方法，理解进程树的概念。 4、学习使用系统调用wait()或waitpid()实现父子进程同步。 5、学习使用getpid()和getppi…...
[预备知识]4. 概率基础
概率基础 本章节介绍深度学习中的概率基础知识，包括基本概念、概率分布和统计推断。 1. 概率基础 1.1 基本概念 随机变量：可以取不同值的变量，其值由随机试验的结果决定概率分布：描述随机变量取值的可能性分布条件概率&#x…...
第33周JavaSpringCloud微服务 电商进阶开发
一、课程介绍 1. 定时任务 课程主题 ：Spring Cloud 电商进阶开发定时任务定义 ：学习什么是定时任务。定时任务学习内容 ：定时任务实现方法、cron 表达式。定时任务实践 ：在 Spring 中使用 schedule 注解，定期关闭过期…...
基于cubeMX的hal库STM32实现硬件IIC通信控制OLED屏
1、通常的方法是使用软件模拟IIC来实现OLED屏的显示控制，这里用STM32单片机的硬件IIC来实现OLED屏的显示，主控芯片为STM32F103RCT6，正点原子mini开发板。 2、cubemx配置过程 （1）配置时钟和下载 （2&#x…...
游戏工作室为何要更换IP进行多开？工作室使用代理IP要注意什么？
在当今的游戏产业中，游戏工作室为了提升效率、规避风险或突破平台限制，常常需要通过更换IP进行多开操作。这一现象背后涉及技术、商业规则和网络安全等多重因素，而代理IP的选择与使用也成为工作室运营中的关键环节。以下是关于游戏工作室为何…...
postgreSQL 如何使用 dblink
SELECT b.id, flow_name, user_id,u.name FROM bpm_form_info b JOIN vrms_user u on b.user_idu.id dblink SELECT b.id, flow_name, user_id,u.name FROM bpm_form_info b – vrms_user u on b.user_idu.id JOIN dblink( ‘dbnameuser_db userpostgres passwordWs199612’,…...
121.在 Vue3 中使用 OpenLayers 实现去掉鼠标右键默认菜单并显示 Feature 信息
🎯 实现效果 👇 本文最终实现的效果如下： ✅ 地图初始化时绘制一个多边形； ✅ 鼠标 右键点击地图任意位置； ✅ 若命中 Feature，则弹出该图形的详细信息； ✅ 移除浏览器默认的右键菜单，保留地图交互的完整控制。 💡 整个功能基于 Vue3 + OpenLayers 完成，采用 Com…...
复盘20250422
深度分析及个股推荐 1. 行业前景与个股逻辑梳理 从提供的股票信息来看，主要涉及以下行业：合成尼古丁（电子烟）、化工、跨境支付、跨境电商、农药、食品饮料、光刻机、电子商务、造纸等。需结合行业景气度、政策支持、公司核心竞争…...
MQ底层原理
RabbitMQ 概述 RabbitMQ 是⼀个开源的⾼性能、可扩展、消息中间件（Message Broker），实现了 Advanced Message Queuing Protocol（AMQP）协议，可以帮助不同应⽤程序之间进⾏通信和数据交换。RabbitMQ 是由 E…...
30分钟编写十大排序算法完成
import java.util.ArrayList; import java.util.Arrays; import java.util.Collections; import java.util.List;//排序算法 public class test_04_22 {public static void swap(int[] nums, int i, int j){int temp nums[i];nums[i] nums[j];nums[j] temp;}//冒泡排序-稳定…...
为什么家电主板采用GND走线而不是整面铺GND铜
不管什么接地方式，本质是为了使得电流的回流路径最短。只要电流的回流路径最短，怎么都可以！ 如下图的芯片的一个信号的回流路径，是一个很糟糕的接地！！！！！！&a…...
NVIDIA 自动驾驶技术见解
前言 参与 NVIDIA自动驾驶开发者实验室 活动，以及解读了 NVIDIA 安全报告 自动驾驶 白皮书，本文是我的一些思考和见解。自动驾驶技术的目标是为了改善道理安全、减少交通堵塞，重塑更安全、高效、包容的交通生态。在这一领域，NVI…...
真我推出首款 AI 翻译耳机，支持 32 种语言翻译
2025 年 4 月 22 日，真我手机官微宣布，其首款 AI 翻译耳机 Buds Air7 Pro 将于 4 月 23 日 16 时正式上市1。这款耳机接入了讯飞星火认知大模型 4.0 Ultra，支持中文与 32 种语言面对面翻译，以及同声传译功能。 除了 AI 翻译功能&a…...
如何简化复杂流程提升执行效率
简化复杂流程、提升执行效率的关键在于：聚焦核心目标、减少冗余环节、推动系统自动化、赋能一线决策、流程分级设计。其中，聚焦核心目标 是流程优化的第一步。流程不该为了“流程而流程”，而应服务于业务目标。Gartner在《数字化运营报告》中…...
动态规划算法：完全背包类问题
前言 现在我们考虑下面的问题： （1）小明有一个背包，背包容积为v，有m种物品，其中第i种物品的价值为val[i]，体积为t[i]，每样物品有无限个，请问背包内物品总价值最大为多少?…...
数据存储方式补码原码反码
1. 关于数据存储（补码、原码、反码） 有符号类型（Signed Types） 存储方式：现代计算机普遍采用 补码（Two’s Complement） 存储有符号整数。 原码：最高位为符号位（0正&…...
【AAudio】A2dp sink创建音频轨道的源码流程分析
一、AAudio概述 AAudio 是 Android 8.0（API 级别 26）引入的 C/C++ 原生音频 API，专为需要低延迟、高性能音频处理的应用设计，尤其适用于实时音频应用（如音频合成器、音乐制作工具、游戏音效等）。 1.1 主要特点 低延迟：通过减少音频数据在内核与用户空间之间的拷贝，直…...
黑马点评之Feed流技术实现关注推送与滚动分页查询
Feed流 关注推送也叫做Feed流，直译为“投喂”。为用户持续的提供“沉浸式体验”，通过无限下拉刷新获取新的信息。 Feed流（信息流）是一种常见的内容分发形式，通过动态更新的内容列表向用户展示个性化或实时信息。典型应…...
vue3+canvas裁剪框样式【前端】
目录 canvas绘制裁剪框：拖拽改变框的大小：圆圈样式：方块样式： canvas绘制裁剪框： // 绘制裁剪框 const drawCropRect (ctx: CanvasRenderingContext2D): void > {if (cropRect.value.width > 0 && crop…...
Python 设计模式：模板模式
1. 什么是模板模式？ 模板模式是一种行为设计模式，它定义了一个操作的算法的骨架，而将一些步骤延迟到子类中。模板模式允许子类在不改变算法结构的情况下，重新定义算法的某些特定步骤。 模板模式的核心思想是将算法的固定部分提取…...
usb2.0的硬件知识（一）
一、USB2.0的硬件知识 1.1 USB2.0速率 USB 2.0协议支持3种速率：低速(Low Speed，1.5Mbps)、全速(Full Speed, 12Mbps)、高速(High Speed, 480Mbps)；USB Hub、USB设备，也分为低速、全速、高速三种类型。 1.2 USB2.0硬件线序组成 U…...
——QuickStart样例中的第二步)
LangGraph(二)——QuickStart样例中的第二步
目录 1. 添加依赖2. 官网QuickStart——第二步：用工具增强聊天机器人2.1 Tavily Search2.2 简单测试Tavily Search2.3 添加带工具的ChatBot node2.4 添加tool node2.5 添加条件边2.6 可视化StateGraph2.7 构建聊天循环 参考 1. 添加依赖 LangGraph(一)——QuickStar…...
机器学习第二篇 多变量线性回归
数据集：世界幸福指数数据集中的变量有幸福指数排名、国家/地区、幸福指数得分、人均国内生产总值、健康预期寿命、自由权、社会支持、慷慨程度、清廉指数。我们选择GDP per Capita和Freedom，来预测幸福指数得分。 文件一：linear，…...
【MCP Node.js SDK 全栈进阶指南】中级篇（3）：MCP高级资源设计
前言 在MCP TypeScript-SDK的初级篇中，我们介绍了资源开发的基础知识，包括静态资源与动态资源的创建、资源模板设计与参数提取，以及基本的资源列表与发现机制。随着应用规模的扩大和复杂性的提高，我们需要更加高级的资源设计方案来应对各种挑战。 本文作为中级篇的第三篇…...
PostgreSQL 常用日志
PostgreSQL 常用日志详解 PostgreSQL 提供了多种日志类型，用于监控数据库活动、排查问题和优化性能。以下是 PostgreSQL 中最常用的日志类型及其配置和使用方法。 一、主要日志类型 日志类型文件位置主要内容用途服务器日志postgresql-<日期>.log服务器运行…...
PostgreSQL认证培训推荐机构
首先来看一张2025年4月份db-engines上的数据库排行情况，前三名是雷打不动的Oracle、MySQL、Microsoft SQL Server，排名第四的就是我们今天的主角 - PostgreSQL数据库，从这张图上可以看出，PostgreSQL数据库的上升超非常明显&#x…...
2025年NISP一级题库试题
NISP一级考试只考50道单选题，难度不算大，话不多说，直接上硬菜！ 1、物理销毁的方式不包括（） .消磁 B.焚化炉烧毀 C.反复覆写数据 Ｄ.机器硏磨粉碎 2、信息安全应该建立贯穿信息系统的整个生命周期…...
pip install pymysql报错
python安装pymysql报错解决 【现象】 很多时候会出现安装pip包报错的问题，看过很多网上教程以及ai都是如下说法： 镜像问题pip版本问题ssh证书问题网络问题… 在遇见这些情况时，上述的各种解决方法都一一实验过但最后都是ERROR。 【解决办…...
达梦官方管理工具 SQLark 更新--不仅支持达梦、Oracle、MySQL，还新增 PostgreSQL 数据库！
SQLark 是一款面向信创应用开发者的数据库开发和管理工具，用于快速查询、创建和管理不同类型的数据库系统，已支持达梦、Oracle、MySQL数据库；在最新的 V3.4 版本中，SQLark 新增了对 PostgreSQL 的支持，兼容 PostgreSQL…...
Windows 同步-互锁变量访问
互锁变量访问 应用程序必须同步对多个线程共享的变量的访问。 应用程序还必须确保对这些变量的作以原子方式执行（完全或根本不执行）。 对正确对齐的 32 位变量的简单读取和写入是原子作。 换句话说，你最终不会只更新变量的一部分;所有位都以…...
前端学习笔记
文章目录 前端主要内容基于脚手架创建前端工程vue的基本使用axios 路由Vue-Router路由组成嵌套路由 状态管理 vuex心得 前端主要内容 HTML、CSS JavaScript axios Vue基础语法（router、vuex、typescript） Element UI 基于脚手架创建前端工程 node.js …...
2025-04-22| Docker: --privileged参数详解
在 Docker 中，--privileged 是一个运行容器时的标志，它赋予容器特权模式，大幅提升容器对宿主机资源的访问权限。以下是 --privileged 的作用和相关细节： 作用 完全访问宿主机的设备： 容器可以访问宿主机的所有设备&am…...
Java八股 深入理解Spring的AOP 面向切面编程 底层 保姆级教程 手写例子
目录 概念 AOP 术语 1. 连接点（Jointpoint）： 2. 切入点（Pointcut）： 3. 通知（Advice）： 4. 方面/切面（Aspect）： 5. 引入ÿ…...
macOS安全隐私最佳实践分析
1. 引言 随着数字世界的不断扩展，个人和组织面临的安全与隐私威胁也日益增加。作为专业的安全合规与隐私保护研究团队，Kaamel 对 macOS 系统的安全隐私现状进行了全面分析，并提出了一系列最佳实践建议，旨在帮助用户更好地保护自己…...
WeakSet：JavaScript 中容易被忽视的“弱集合”
目录 WeakSet 详解 基本概念 创建 WeakSet WeakSet 的主要方法 WeakSet 的特性 WeakSet 的使用场景 1. 避免内存泄漏（DOM 元素管理） 2. 临时缓存系统 3. 私有属性模拟 4. 防止循环引用 与其他数据结构的对比 1. WeakSet 没有实例属性 2. We…...
Discuz!+DeepSeek：传统论坛的智能化蜕变之路
在数字化浪潮中，社区论坛作为互联网早期的产物，面临着功能单一、用户体验滞后的发展瓶颈。虎跃办公（https://www.huyueapp.com）通过Discuz!搭建的网址导航网站，在集成DeepSeek的AI能力后，成功实现了从工具导…...
vs2017中，将CMake构建目录设置在项目目录下
修改CMake构建目录位置 在Visual Studio 2017中，可以通过以下方法将CMake构建目录设置在项目目录下： 修改CMakeSettings.json文件： 在VS中生成CMakeSettings.json文件（通过点击编译平台按钮如x64-Debug或x64-Release…...
跨平台.NET 版本 使用率排名
截至2025年4月，跨平台.NET版本的安装使用率排名主要基于版本支持状态、性能优化和企业迁移趋势。以下是结合微软官方政策、行业动态及开发者行为分析的综合结论： 1. .NET 8 (LTS) 占据主导地位 支持周期：作为2023年11月发布的长期支持&…...
基于无障碍跳过广告-基于节点跳过广告
2025-04-22 一些广告的关闭是叉图标，获取到的信息也没什么特征，这种广告怎么跳过 用autojs无障碍的节点定位ui控件位置，点击...
STM32提高篇: WIFI通讯
STM32提高篇: WIFI通讯 一.WIFI通讯介绍1.WiFi的频段5G和2.4G2.WiFi的信道二.ESP32固件烧录及驱动1.一个AT指令响应的完成2.测试其他指令三.Wifi功能初始化和TCP通讯四.volatile关键字一.WIFI通讯介绍 Wi-Fi，又称“无线网路”，是Wi-Fi联盟的商标，一个基于IEEE 802.11标准的…...