Python 局部直方图均衡化

我正在尝试使用python做一些图像分析（我必须使用python）。我需要做全局和局部直方图均衡化。全局版本运行良好，但是本地版本使用7x7封装，结果非常差

这是全局版本：

   import matplotlib.pyplot as plt
   import matplotlib.image as mpimg
   from scipy  import ndimage,misc
   import scipy.io as io
   from scipy.misc import toimage
   import numpy as n
   import pylab as py
   from numpy import *

   mat = io.loadmat('image.mat')
   image=mat['imageD']

   def histeq(im,nbr_bins=256):
     #get image histogram
     imhist,bins = histogram(im.flatten(),nbr_bins,normed=True)
     cdf = imhist.cumsum() #cumulative distribution function
     cdf = 0.6 * cdf / cdf[-1] #normalize
     #use linear interpolation of cdf to find new pixel values
     im2 = interp(im.flatten(),bins[:-1],cdf)
     #returns image and cumulative histogram used to map
     return im2.reshape(im.shape), cdf

   im=image
   im2,cdf = histeq(im)

为了实现本地版本，我尝试使用这样的通用过滤器（使用与先前加载的相同图像）：

是否有人对第二个版本不起作用有任何建议/想法？我真的被卡住了，任何评论都将不胜感激！提前谢谢

您可以使用该库执行全局和局部直方图均衡化。从链接中骄傲地窃取，下面是片段。均衡是用一个磁盘形状的内核（或封装外形）完成的，但是您可以通过设置

kernel=np.ones（（N，M））

将其更改为正方形

---

我想知道这是否与7x7=49，而您使用的是256个垃圾箱这一事实有关。我想了想。。。我尝试使用49，但没有很大的改进。但是我认为它应该是256，因为cdf应该是每个亮度值有多少像素的累积和，所以按像素值而不是像素数进行装箱是有意义的（我认为？！）。谢谢你的意见@user3011255：如果您使用like

7

bin怎么办？

   def func(x):
     cdf=[]
     xhist,bins=histogram(x,256,normed=True)
     cdf = xhist.cumsum() 
     cdf = 0.6 * cdf / cdf[-1] 
     im_out = interp(x,bins[:-1],cdf)
     midval=interp(x[24],bins[:-1],cdf)
     return midval

 print im.shape
 im3=ndimage.filters.generic_filter(im, func,size=im.shape,footprint=n.ones((7,7)))

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

from skimage import data
from skimage.util import img_as_ubyte
from skimage import exposure
import skimage.morphology as morp
from skimage.filters import rank

# Original image
img = img_as_ubyte(data.moon())

# Global equalize
img_global = exposure.equalize_hist(img)

# Local Equalization, disk shape kernel
# Better contrast with disk kernel but could be different
kernel = morp.disk(30)
img_local = rank.equalize(img, selem=kernel)

fig, (ax_img, ax_global, ax_local) = plt.subplots(1, 3)

ax_img.imshow(img, cmap=plt.cm.gray)
ax_img.set_title('Low contrast image')
ax_img.set_axis_off()

ax_global.imshow(img_global, cmap=plt.cm.gray)
ax_global.set_title('Global equalization')
ax_global.set_axis_off()

ax_local.imshow(img_local, cmap=plt.cm.gray)
ax_local.set_title('Local equalization')
ax_local.set_axis_off()

plt.show()