Python 什么'；MATLAB有什么问题；直方图均衡化？

我正在尝试对16位灰度图像进行直方图均衡化，原始直方图如下所示，它具有约25000个灰度级：

我第一次使用MATLAB，但由于某种原因，输出中的总水平显著降低（只有21！）。我试图手动分配一个20000的箱子号，但输出级别仍然很低（67）。

然后我尝试了Python中的Scikit图像，一切都如预期的那样工作——输出现在有16500个级别，直方图非常平坦。

以下是MATLAB命令：

J=histeq（I，2e4）；

下面是Python命令：

img_eq_sk=曝光。均衡历史（img_16位）

---

由于直方图均衡化是这样一种基本操作，我希望MATLAB和Python的行为类似，但根据这一点，MATLAB的结果甚至不如Skimage的好。

我可以验证您所看到的：

I=uint16（随机数（10001000）*5000+3e4）；
imhist（一）
大小（唯一（I（：）））%返回：31290个唯一的灰度值
J=历史等式（I，8e5）；%实际上只使用6.5e4，这是uint16的最大值
伊姆希斯特（J）
大小（唯一（J（：）））%返回：158个唯一的灰度值
K=histeq（im2double（I），8e5）；
imhist（K）
大小（唯一（K（：）））%返回：175个唯一的灰度值

当输入值需要显著拉伸时，许多不同的灰度值最终会出现在同一个输出箱中，并且许多输出箱仍然为空

当使用双图像查看结果时（

K

，在上面的代码中），可以看到随着参数增加到

histeq

，唯一输出灰度级的数量是如何增加的

也就是说，输出被量化为一组值（在上面的示例中为800000），而不仅仅是输入。因此，如果这些输出箱中有许多是空的，那么将很少有明显的输出灰度值

没有必要以这种方式实现直方图均衡化，正如OP中使用的Python实现所示。但是，这种实现似乎没有错，它只是对输出进行了不必要的量化

---

然而，由于直方图均衡化仅对可视化有用，并且对于可视化而言，不需要超过100个不同的灰度值（无论如何，我们无法区分更多的灰度值），因此输出量化不应该是一个主要问题。如果你用直方图均衡化做其他事情（如图像分析和量化），那你就错了

我可以验证您看到的内容：

I=uint16（随机数（10001000）*5000+3e4）；
imhist（一）
大小（唯一（I（：）））%返回：31290个唯一的灰度值
J=历史等式（I，8e5）；%实际上只使用6.5e4，这是uint16的最大值
伊姆希斯特（J）
大小（唯一（J（：）））%返回：158个唯一的灰度值
K=histeq（im2double（I），8e5）；
imhist（K）
大小（唯一（K（：）））%返回：175个唯一的灰度值

当输入值需要显著拉伸时，许多不同的灰度值最终会出现在同一个输出箱中，并且许多输出箱仍然为空

当使用双图像查看结果时（

K

，在上面的代码中），可以看到随着参数增加到

histeq

，唯一输出灰度级的数量是如何增加的

也就是说，输出被量化为一组值（在上面的示例中为800000），而不仅仅是输入。因此，如果这些输出箱中有许多是空的，那么将很少有明显的输出灰度值

没有必要以这种方式实现直方图均衡化，正如OP中使用的Python实现所示。但是，这种实现似乎没有错，它只是对输出进行了不必要的量化

---

然而，由于直方图均衡化仅对可视化有用，并且对于可视化而言，不需要超过100个不同的灰度值（无论如何，我们无法区分更多的灰度值），因此输出量化不应该是一个主要问题。如果你用直方图均衡化做其他事情（如图像分析和量化），那你就错了

如果您将输入图像转换为双精度，是否也会发生同样的情况？@CrisLuengo实际上，如果我将其转换为双精度，则会有一个小的改进，均衡图像的灰度现在增加到34（默认值）和132（2个4格），我想主要区别在于我们在scikit图像的整个过程中都使用浮动，而我想象Matlab会立即转到uint8。在一个用户的bug报告之后，我在这里对两者进行了比较：谢谢你的链接，我想这正好解释了我的担忧。看起来MATLAB在这个过程中引入了很多舍入误差；正如你所说，即使将浏览结果放入255个存储箱中，我们也不会得到如此少的级别。如果将输入图像转换为双精度，是否也会发生同样的情况？@CrisLuengo实际上，如果将其转换为双精度，均衡图像的灰度现在会增加到34（默认）和132（2e4个存储箱）我认为主要的区别在于，我们在scikit图像的整个过程中都使用浮点，而我想象Matlab会立即转到uint8。在一个用户的bug报告之后，我在这里对两者进行了比较：谢谢你的链接，我想这正好解释了我的担忧。看起来MATLAB在这个过程中引入了很多舍入误差；正如您所说，即使将浏览结果放入255个存储箱中，我们也不会得到如此少的级别。关于视觉效果的评论，在使用MATLAB进行hist均衡后，图像的视觉质量实际上有很大的下降——大面积的平坦区域就像您没有足够的位深度一样。我实际上是在用它进行图像分析，因为所有重要的特征都隐藏在黑暗的区域中，所以我甚至看不到我应用的所有更改，除非我首先均衡直方图。@Akahs:不要在图像分析中使用直方图均衡化。使用对比度增强方法，您可以知道并控制灰度值的变化。直方图均衡后