Python中的直方图绘图和拉伸（不使用内置函数）

先决条件：使用直方图分析图像的 OpenCV Python程序

强度水平在 0 到 L-1 范围内的数字图像的直方图是一个离散函数-

h(rk) = nk
where rk = kth intensity value
and no = number of pixels in the image with rk intensity value.

如果图像有 M 行 N 列，则图像中的像素总数为 MN。得到归一化直方图如下：

p(rk) = nk/MN

有时，如果图像是深色、浅色或低对比度，则该图像的直方图可能没有分别具有最小强度 (0) 或最大强度 (255) 或两者的像素。在这种情况下，可以通过应用以下变换来拉伸该图像的直方图。

Let a= maximum intensity level in the image
Let b= minimum intensity level in the image
Let rk= pixel value in the original image
Let sk= pixel value in the stretched image
constant= (255-0)/(a-b)

Then
sk= constant*rk

直方图绘制算法

• 阅读图片
• 获取图像的大小。让 m=rows 和 n=columns
• 对于所有强度级别 rk= 0 到 255
• 遍历所有行'm'和列'n'
• 计算每个强度级别的像素数
• 绘制强度值与每个强度值中像素数的关系图

拉伸直方图的算法

• 找到图像中的最小强度值说'a'和最大强度值说'b'
• 获得一个常数 c= (255-0)/(ab)
• 将此常数与图像中的每个像素相乘以获得直方图拉伸。

观察
可以观察到，在对比度拉伸后，暗输入图像得到改善。

下面是实现。

输入图像：

# import cv2, numpy, matplotlib
import cv2
import numpy as np
import matplotlib.pyplot as plt
   
      
# function to obtain histogram of an image
def hist_plot(img):
      
    # empty list to store the count 
    # of each intensity value
    count =[]
      
    # empty list to store intensity 
    # value
    r = []
      
    # loop to traverse each intensity 
    # value
    for k in range(0, 256):
        r.append(k)
        count1 = 0
          
        # loops to traverse each pixel in 
        # the image 
        for i in range(m):
            for j in range(n):
                if img[i, j]== k:
                    count1+= 1
        count.append(count1)
          
    return (r, count)
  
  
img = cv2.imread('food.jpeg', 0)
  
# To ascertain total numbers of rows and 
# columns of the image, size of the image
m, n = img.shape
r1, count1 = hist_plot(img)
  
# plotting the histogram
plt.stem(r1, count1)
plt.xlabel('intensity value')
plt.ylabel('number of pixels')
plt.title('Histogram of the original image')
   
# Transformation to obtain stretching
constant = (255-0)/(img.max()-img.min())
img_stretch = img * constant
r, count = hist_plot(img_stretch)
  
# plotting the histogram
plt.stem(r, count)
plt.xlabel('intensity value')
plt.ylabel('number of pixels')
plt.title('Histogram of the stretched image')
   
# Storing stretched Image
cv2.imwrite('Stretched Image 4.png', img_stretch)

输出：