Python 基于HSI模型的直方图均衡化

我在DebianLinux上使用Python2.7以及matplotlib、Numpy、Scipy和PIL。 我能够使用上面提到的代码为图像的H S和I参数生成直方图。我打算在H S和I直方图上应用直方图均衡化，然后将其转换回结果图像，以便比较变化。谁能帮我写一些必要的直方图均衡化代码，并把均衡后的直方图转换成图像

import scipy
from scipy import ndimage
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import numpy as np
from scipy import misc
import scipy.misc

img = scipy.misc.imread("/home/subhradeep/Desktop/testc.jpg")
array=np.asarray(img)
arr=(array.astype(float))/255.0
img_hsv = colors.rgb_to_hsv(arr[...,:3])

lu1=img_hsv[...,0].flatten()
plt.subplot(1,3,1)
plt.hist(lu1*360,bins=360,range=(0.0,360.0),histtype='stepfilled', color='r', label='Hue')
plt.title("Hue")
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.legend()

lu2=img_hsv[...,1].flatten()
plt.subplot(1,3,2)                  
plt.hist(lu2,bins=100,range=(0.0,1.0),histtype='stepfilled', color='g', label='Saturation')
plt.title("Saturation")   
plt.xlabel("Value")    
plt.ylabel("Frequency")
plt.legend()

lu3=img_hsv[...,2].flatten()
plt.subplot(1,3,3)                  
plt.hist(lu3*255,bins=256,range=(0.0,255.0),histtype='stepfilled', color='b', label='Intesity')
plt.title("Intensity")   
plt.xlabel("Value")    
plt.ylabel("Frequency")
plt.legend()
plt.show()

我需要用python实现eq（4）

---

据我所知，您只需对HSV变换的值分量应用直方图均衡，即可均衡图像：

def histeq(im,nbr_bins=256):
    """  Histogram equalization of a grayscale image. 
         From http://programmingcomputervision.com/"""

    # get image histogram
    imhist,bins = np.histogram(im.flatten(),nbr_bins,normed=True)
    cdf = imhist.cumsum() # cumulative distribution function
    cdf = 1 * cdf / cdf[-1] # normalize (value component max is 1.0)

    # use linear interpolation of cdf to find new pixel values
    im2 = np.interp(im.flatten(),bins[:-1],cdf)

    return im2.reshape(im.shape), cdf

#equalise the intensity component
img_hsv[:,:,2], cdf = histeq(img_hsv[:,:,2])

#then convert back to RGB space
img_eq = colors.hsv_to_rgb(img_hsv)

曝光不足的输入图像：

直方图均衡输出图像：

---

当然，如果您希望看到输出的样子，您可以将上述内容应用于HSV变换的每个通道。我不确定你这样做能达到什么效果。

嘿，我只是按照你描述的那样做了，但我想对饱和度参数使用相同的技术，并计算直方图的平均值。我该怎么做呢？实际上，我正在对彩色图像执行一种特殊类型的直方图均衡化，称为HE-VED或具有可变增强度的直方图均衡化，其中u具有参数a（α）对于alpha=1的饱和参数，结果是正常的，对于alpha=0，结果是原始图像，因此我应该通过拍摄参考图像来改变alpha的值。同样，在intesity的情况下，还有一个beta参数也可以这样做。