使用Python图像库（PIL）规范化一组图像的直方图（亮度和对比度）

我有一个脚本，它使用谷歌地图API下载一系列大小相等的方形卫星图像并生成PDF。图像需要事先旋转，我已经使用PIL进行了旋转

我注意到，由于不同的光线和地形条件，一些图像太亮，另一些太暗，结果pdf有点难看，没有理想的“野外”阅读条件（这是越野山地自行车赛，我想有一个特定十字路口的打印缩略图）

（编辑）然后，目标是使所有图像最终具有相似的明显亮度和对比度。因此，太亮的图像必须变暗，而黑暗的图像必须变亮。（顺便说一句，我曾经在医学图像中使用过imagemagick

autocontract

，或

auto gamma

，或

equalize

，或

autolevel

，或类似的方法，结果很有趣，但我不知道如何在PIL中执行这些操作）

我已经在转换为灰度后使用了一些图像校正（很久以前有一台灰度打印机），但是效果也不好。这是我的灰度代码：

#!/usr/bin/python

def myEqualize(im)
    im=im.convert('L')
    contr = ImageEnhance.Contrast(im)
    im = contr.enhance(0.3)
    bright = ImageEnhance.Brightness(im)
    im = bright.enhance(2)
    #im.show()
    return im

此代码对每个图像都独立工作。我想知道是否最好先分析所有图像，然后“标准化”它们的视觉特性（对比度、亮度、伽马等）

此外，我认为有必要对图像进行一些分析（直方图？），以便根据每个图像应用自定义校正，而不是对所有图像进行相等的校正（尽管任何“增强”函数都会隐式地考虑初始连续性）

有没有人有这样的问题和/或知道一个好的替代方法来处理彩色图像（无灰度）

---

任何帮助都将不胜感激，谢谢阅读

您可能正在寻找一个执行“直方图拉伸”的实用程序。我相信还有其他人。我认为您希望保留原始色调，并在所有色带上均匀应用此功能

当然，有一个很好的机会，一些瓷砖将有一个明显的不连续的水平，他们加入。然而，避免这种情况需要对“拉伸”参数进行空间插值，这是一种更复杂的解决方案。（…但如果需要的话，这将是一个很好的练习。）

编辑：

下面是一个保留图像色调的调整：

import operator

def equalize(im):
    h = im.convert("L").histogram()
    lut = []
    for b in range(0, len(h), 256):
        # step size
        step = reduce(operator.add, h[b:b+256]) / 255
        # create equalization lookup table
        n = 0
        for i in range(256):
            lut.append(n / step)
            n = n + h[i+b]
    # map image through lookup table
    return im.point(lut*im.layers)

---

下面的代码处理来自显微镜（类似）的图像，以便在缝合之前进行准备。我在20幅图像的测试集上使用了它，得到了合理的结果

亮度平均值函数来自另一个函数

此时，“校正”值（即值和平均值之间的差值）存储在deltaList中。下一节将此校正逐一应用于所有图像

for k in range(1, num_images + 1):      # for loop runs from image number 1 thru 20
   a = str(k)
   if len(a) == 1: a = '0' + str(k)       # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc.
   image_name = 'twenty/' + a + '.jpg'
   img_file = Image.open(image_name)
   img_file = img_file.convert('RGB')     # converts image to RGB format
   pixels = img_file.load()               # creates the pixel map
   for i in range (img_file.size[0]):
      for j in range (img_file.size[1]):
         r, g, b = img_file.getpixel((i,j))  # extracts r g b values for the i x j th pixel
         pixels[i,j] = (r+int(deltaList[k]), g+int(deltaList[k]), b+int(deltaList[k])) # re-creates the image
   j = str(k)
   new_image_name = 'twenty/' +'image' + j + '.jpg'      # creates a new filename
   img_file.save(new_image_name)                         # saves output to new file name

---

好问题！然而，需要作出一些澄清。此外，发布示例图像将非常有助于人们将其用作测试用例。首先，问题是当你下载瓷砖边缘时，它们不匹配吗？或者，你是在寻找一种方法，让黑暗的瓷砖变亮，让明亮的瓷砖变暗？或者您需要在保持边缘连续性的同时执行后一种操作吗？边缘不是问题，因为图像集不是连续的。正如你所说的，我们的目标是把最亮的调暗，把最暗的调亮。哇，这似乎正是我想要的。我会给它一个快速尝试，并张贴一些反馈很快！实际上，这个实现似乎一次只能处理一个图像，我想先分析所有图像，然后应用均衡。此外，图像不会平铺，它们来自不同的位置，通常不会重叠。我会检验你的建议，看看能得到什么。谢谢我在相机的普通数码图像上试过，效果很好。然而，当我在谷歌卫星图像的屏幕盖上试用时，感觉很糟糕。我认为sat图像是高度后处理的，或者其他什么。我试图运行你的代码，但是在类图像（代码的最后一行）上存在属性

层
不存在的错误。我正在使用Python2.7，但在PIL的文档中找不到该属性。有什么想法吗o（@heltonbiker im.layers对于RBG图像将为3，对于RGBA图像将为4。只需替换适当的值。
for k in range(1, num_images + 1):      # for loop runs from image number 1 thru 20
   a = str(k)
   if len(a) == 1: a = '0' + str(k)       # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc.
   image_name = 'twenty/' + a + '.jpg'
   img_file = Image.open(image_name)
   img_file = img_file.convert('RGB')     # converts image to RGB format
   pixels = img_file.load()               # creates the pixel map
   for i in range (img_file.size[0]):
      for j in range (img_file.size[1]):
         r, g, b = img_file.getpixel((i,j))  # extracts r g b values for the i x j th pixel
         pixels[i,j] = (r+int(deltaList[k]), g+int(deltaList[k]), b+int(deltaList[k])) # re-creates the image
   j = str(k)
   new_image_name = 'twenty/' +'image' + j + '.jpg'      # creates a new filename
   img_file.save(new_image_name)                         # saves output to new file name