Python 直方图均衡化：未获得所需的输出图像

我试图实现直方图均衡功能自己，但没有得到所需的输出图像

import numpy as np
import cv2
import matplotlib.pyplot as plt
import math
%matplotlib inline

def freq(lst):
    d = {}
    for i in lst:
        for j in i:
            if d.get(j):
                d[j] += 1
            else:
                d[j] = 1

    return d
def probability(d,total_pixels):
    l = {}
    for i in range(256):
        value = d.get(i)
        if value != None:
            l[i] = value/total_pixels
    return l
def equalizer(d, l):
    f_dic = {}
    last_sum = 0
    for i in range(l):
        if d.get(i):
            prob = d.get(i)
            last_sum = last_sum+((l-1)*prob)
            f_dic[i] = math.floor(last_sum)
    return f_dic
def replace_values(f_dic, img):
    print(f_dic)
    for i in range(len(img)):
        for j in range(len(img)):
            vv = f_dic.get(img[i][j])
            if vv != None:
                img[i][j] = vv
    return img
def histogramEqualization(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    freqq = freq(img)
    area = img.shape
    total_pixels = area[0]*area[1]
    prob = probability(freqq, total_pixels)
    f_dic = equalizer(prob,len(img))
    new_img = replace_values(f_dic,img)
    return new_img
pollen_dark = cv2.imread("/home/ahmed/Downloads/dip/DIP_A1_Fall2019/pollen_dark.tif")
new = histogramEqualization(pollen_dark)
plt.imshow(new, cmap='gray')

我得到了这个图像：

输入图像如下：

所需的输出图像是： . 解决这一问题的公式实现

---

使用NumPy执行此操作的一种方法是使用

np.unique（）

查找要修改的值，以及它们的概率分布函数（pdf），基本上是直方图。这可用于根据从pdf上的

np.cumsum（）

获得的累积分布函数（cdf），使用以下公式生成相应的规范化值：

round（（cdf-min\u cdf）/（num\u体素-min\u cdf）*（depth-1））

整个想法（以及公式）在中以图形的方式进行了很好的描述

这通常是一种比在阵列中循环更干净的方法：

DEPTH = 2 ** 8


def hist_equalization(arr, depth=DEPTH):
    vals, pdf = np.unique(arr, return_counts=True)
    cdf = np.cumsum(pdf)
    min_cdf = min(cdf)
    new_vals = (
        np.round((cdf - min_cdf) / (arr.size - min_cdf) * (depth - 1))
        .astype(int))
    result = np.empty_like(arr)
    for i, val in enumerate(vals):
        result[np.nonzero(arr == val)] = new_vals[i]
    return result


plt.imshow(arr, cmap='gray', vmin=0, vmax=DEPTH - 1)
plt.imshow(hist_equalization(arr), cmap='gray', vmin=0, vmax=DEPTH - 1)

输入：

输出：

（完整的脚本是可用的。请注意，为了方便I/O，我使用了

PIL

而不是

cv

，但这与问题无关。）

---

编辑 代码中到处都有一些小故障（有些不太严重，有些更严重），但妨碍您获得正确结果的是

equalizer（）

根本错误

如果将您的

均衡器（）

版本替换为：

def equalizer(pdf, l, depth=2 ** 8):
    min_cdf = pdf[min(pdf)]
    result = {}
    accumulator = 0
    for k, v in sorted(pdf.items()):
        accumulator += v
        result[k] = int(round((accumulator - min_cdf) / (l - min_cdf) * (depth - 1)))     
    return result

被称为：

f_dic = equalizer(freqq, total_pixels)

那么剩下的代码就可以工作了。 请注意，

probability（）

完全没有必要，您确实需要

total_pixels

（或

img.size

），因为应用于N维数组的

len（img）

将为您提供沿第0维的长度，而不是像素总数

---

（这也包括在内。）

您在某处的计算太多了。将中间值z设置为更大的类型以避免出现这种情况（使用8位整数进行计算是不好的）。@CrisLuengo我同意使用8位整数进行计算是危险的，但这在大多数情况下都使用Python

int

s，并且没有溢出。有趣的结果来自

均衡器（）

中的一个错误参数/公式。这很有效。但是我对找出我的代码的错误很感兴趣。你能帮我吗？@Mrcreamio看到编辑，但请注意，上面建议的矢量化版本比修复代码所需的最小编辑要快得多，更干净。非常感谢。：）我用

f_dic=均衡器（prob，len（img））

更改了

f_dic=均衡器（prob，2**8）

，它工作了。请参见上面的编辑。我添加了公式，我正在尝试实施。@Creamio先生，很好，你发现了这个问题。如果能够立即在原始代码中实现您试图实现的数学，这将是非常有帮助的。不过，我看不到立即以矢量化形式编写这个新公式的方法。