使用 NumPy 对灰度图像进行直方图均衡答案

【问题标题】：Histogram equalization of grayscale images with NumPy使用 NumPy 对灰度图像进行直方图均衡
【发布时间】：2015-04-15 14:54:56
【问题描述】：

如何轻松对存储在 NumPy 数组中的多幅灰度图像进行直方图均衡化？

我有这种 4D 格式的 96x96 像素 NumPy 数据：

(1800, 1, 96,96)

【问题讨论】：

这有帮助吗：web.archive.org/web/20151219221513/http://www.janeriksolem.net/… ?
谢谢驼鹿。这当然有助于 PIL。有没有纯 numpy 的解决方案？因为它可能会更快，因为我正在为 10,000 张图像执行此操作。 PIL 和 Skimage 通常需要很长时间。
@pbu PIL 仅用于读取示例中的图像数据。既然你已经有了数据，你就不需要它了，只有 NumPy。请参阅我在分析器中编写的代码。也非常感谢 moose 链接解决方案！

标签： python image-processing numpy histogram

【解决方案1】：

Moose 的comment 指向这个blog entry 做得很好。

为了完整起见，我在这里举一个例子，使用更好的变量名和循环执行 1000 个 96x96 图像，这些图像位于问题中的 4D 数组中。它很快（在我的电脑上 1-2 秒）并且只需要 NumPy。

import numpy as np

def image_histogram_equalization(image, number_bins=256):
    # from http://www.janeriksolem.net/histogram-equalization-with-python-and.html

    # get image histogram
    image_histogram, bins = np.histogram(image.flatten(), number_bins, density=True)
    cdf = image_histogram.cumsum() # cumulative distribution function
    cdf = 255 * cdf / cdf[-1] # normalize

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

    return image_equalized.reshape(image.shape), cdf

if __name__ == '__main__':

    # generate some test data with shape 1000, 1, 96, 96
    data = np.random.rand(1000, 1, 96, 96)

    # loop over them
    data_equalized = np.zeros(data.shape)
    for i in range(data.shape[0]):
        image = data[i, 0, :, :]
        data_equalized[i, 0, :, :] = image_histogram_equalization(image)[0]

【讨论】：

对于那些想知道的图像的归一化直方图，即图像的直方图除以图像中的总像素数，可以认为是每个灰度级的概率密度函数，并且这正是density=True 所做的。所以这里image_histogram实际上是归一化直方图。
这太棒了，感谢您提供可复制粘贴的代码。正是我需要的。也 +1，因为这适用于 N 维数组，而不仅仅是图像。

【解决方案2】：

非常快速简单的方法是使用skimage模块提供的累积分布函数。基本上你用数学方法来证明它。

from skimage import exposure
import numpy as np
def histogram_equalize(img):
    img = rgb2gray(img)
    img_cdf, bin_centers = exposure.cumulative_distribution(img)
    return np.interp(img, bin_centers, img_cdf)

【讨论】：

这对我很有用。它返回一个浮点 0-1 矩阵，您可以将其用作掩码。

【解决方案3】：

截至今天janeriksolem 的网址已损坏。

我发现 this gist 链接了同一页面并声称执行直方图均衡而不计算直方图。

代码是：

img_eq = np.sort(img.ravel()).searchsorted(img)

【讨论】：

这种方法比直方图方法慢约 3 倍。