彩色和灰度图片直方图均衡化

直方图均衡化是对于一幅图像，其具备多个灰度等级的像素，咱们尽量让这些灰度等级出现频率的几率密度函数趋近于常数。这么作的意义在哪里？当一幅图像比较暗的时候，灰度等级绝大部分处于低等级的状态，那么因为咱们使灰度等级频率的几率密度函数尽量趋向于常数，即尽量保证在各个灰度等级出现频率同样，咱们认为此时应该有更高的对比度，展现的细节更加细腻。在图像处于过亮的状况下也能够得出相近结论。

举个例子，来自于《数字图像处理》第三章
有大小为64 * 64 像素的3比特数字图像的灰度分布和直方图值以下：

下面咱们计算本来的灰度等级各自映射到哪一个等级。
\(s_0 = 7\Sigma_{j=0}^0p_r(r_0) = 7 * p_r(r_0) = 1.33\)
\(s_1 = 7\Sigma_{j=0}^1p_r(r_0) = 7 * p_r(r_0) + 7 * p_r(r_1) = 3.08\)
则\(s_0\)四舍五入得1（实际计算机中灰度等级只能是离散的）
\(s_1\)四舍五入得3。
其余每一个灰度等级的映射都相似，能够分别计算出均衡化后每一个原灰度等级应该映射到的新的灰度等级。

Lena的灰度图

Lena灰度图作直方图均衡化后

Lena的彩色图

Lena彩色图作直方图均衡化后

对于彩色图像的直方图均衡化，能够考虑使用R,G,B三个通道分别均衡化，而后将三个通道合在一块儿。但这样有可能会改变色调。
下面是直方图均衡化的python实现，依赖PIL包

def his_equ(img, outfile,level=256,mode='RGB'):
    '''

    :param img: Image.open打开的文件句柄
    :param outfile: 输出文件的文件名
    :param level:灰度等级，彩色图是每一个通道对应的等级数
    :param mode:'rgb'为彩色模式，'gray'为灰度图
    :return: 按照输出文件路径保存均衡化以后的图片
    '''
    if mode == 'RGB' or mode == 'rgb':
        r, g, b = [], [], []
        width, height = img.size[0], img.size[1]
        sum_pix = width * height
        pix = img.load()
        for x in range(width):
            for y in range(height):
                r.append(pix[x, y][0])
                g.append(pix[x, y][1])
                b.append(pix[x, y][2])
        r_c = dict(Counter(r))
        g_c = dict(Counter(g))
        b_c = dict(Counter(b))
        r_p,g_p,b_p = [],[],[]

        for i in range(level):
            if r_c.has_key(i):
                r_p.append(float(r_c[i]) / sum_pix)
            else:
                r_p.append(0)
            if g_c.has_key(i):
                g_p.append(float(g_c[i])/sum_pix)
            else:
                g_p.append(0)
            if b_c.has_key(i):
                b_p.append(float(b_c[i])/sum_pix)
            else:
                b_p.append(0)
        temp_r,temp_g,temp_b = 0,0,0
        for i in range(level):
            temp_r += r_p[i]
            r_p[i] = int(temp_r * (level-1))
            temp_b += b_p[i]
            b_p[i] = int(temp_b *(level-1))
            temp_g += g_p[i]
            g_p[i] = int(temp_g*(level -1))
        new_photo = Image.new('RGB',(width,height))
        for x in range(width):
            for y in range(height):
                new_photo.putpixel((x,y),(r_p[pix[x,y][0]],g_p[pix[x,y][1]],b_p[pix[x,y][2]]))
        new_photo.save(outfile)
    elif mode == 'gray' or mode == 'GRAY':
        width, height = img.size[0], img.size[1]
        sum_pix = width * height
        pix = img.load()
        pb = []
        for x in range(width):
            for y in range(height):
                pb.append(pix[x,y])
        pc = dict(Counter(pb))
        pb = []
        for i in range(level):
            if pc.has_key(i):
                pb.append(float(pc[i]) / sum_pix)
            else:
                pb.append(0)
        temp = 0
        for i in range(level):
            temp += pb[i]
            pb[i] = int(temp * (level-1))
        new_photo = Image.new('L',(width,height))
        for x in range(width):
            for y in range(height):
                new_photo.putpixel((x,y),pb[pix[x,y]])
        new_photo.save(outfile)
if __name__ == '__main__':
    ppp = Image.open('Lena.jpg','r')
    his_equ(ppp,'lena_his.jpg')