skimage用于图像的直方图均衡化的函数有两个，分别是equalize_hist和equalize_adapthist函数，本文详细介绍了这两个函数。

equalize_hist函数

语法：

 equalize_hist(image, nbins=256, mask=None)

类型：

  skimage.exposure.exposure模块中的函数，返回直方图均衡化之后的图像。

输入参数：
  • 参数名：image
  • 类型：array
  • 说明：图像数组
  • 参数名：nbins
  • 类型：int, optional
  • 说明：图像直方图的桶数。注意：对于整数图像，这个参数被忽略，每个整数都是它自己的桶。
  • 参数名：mask
  • 类型： ndarray of bools or 0s and 1s, optional
  • 说明：与图像相同形状的数组。仅使用掩码==为真的点进行均衡，将其应用于整个图像。
输出参数：
  • 参数名：out *
  • 类型： float array
  • 说明：直方图均衡后的图像数组
例子
from skimage import data,exposure
import matplotlib.pyplot as plt
img=data.moon()
plt.figure("hist",figsize=(8,8))
arr=img.flatten()
plt.subplot(221)
plt.imshow(img,plt.cm.gray) #原始图像
plt.subplot(222)
plt.hist(arr, bins=256, normed=1,edgecolor='None',facecolor='red') #原始图像直方图
img1=exposure.equalize_hist(img) #进行直方图均衡化
arr1=img1.flatten() #返回数组折叠成一维的副本
plt.subplot(223)
plt.imshow(img1,plt.cm.gray) #均衡化图像
plt.subplot(224)
plt.hist(arr1, bins=256, normed=1,edgecolor='None',facecolor='red') #均衡化直方图
plt.show()

equalize_adapthist函数

语法：

 equalize_adapthist(image, *args, **kwargs)

类型：

 skimage.exposure._adapthist模块里的函数，有限对比度自适应直方图均衡（CLAHE，Contrast Limited Adaptive Histogram Equalization）。一种局部对比度增强的算法，该算法使用在图像的不同平铺区域上计算的直方图。因此，即使在比大多数图像更暗或更轻的区域中，局部细节也可以得到增强。

输入参数：
  • 参数名：image
  • 类型：(M, N[, C]) ndarray
  • 说明：输入图像
  • 参数名：kernel_size
  • 类型： integer or list-like, optional
  • 说明：定义算法中使用的上下文区域的形状。如果通过迭代，它必须具有与图像的ndim(没有颜色通道）相同数量的元素。如果是整数，则将其广播到每个图像维度。默认情况下，核的大小是图像高度的1/8，宽度的1/8。
  • 参数名：clip_limit
  • 类型：float, optional
  • 说明：剪切极限，归一化在0和1之间（更高的值给出更多的对比度）。
  • 参数名：nbins
  • 类型： int, optional
  • 说明：直方图的灰色容器数（“数据范围”）。
输出参数：
  • 参数名：out
  • 类型： (M, N[, C]) ndarray
  • 说明：均衡后的图像
笔记：

对于彩色图像，执行以下步骤：

  • 将图像转换为HSV颜色空间。
  • CLAHE算法在V（值）信道上运行。
  • 图像被转换回RGB空间并返回。
  • 对于RGBA图像，移除原始alpha通道。

例子：
from skimage import data,exposure
import matplotlib.pyplot as plt
img=data.moon()
plt.figure("hist",figsize=(8,8))
arr=img.flatten()
plt.subplot(221)
plt.imshow(img,plt.cm.gray) #原始图像
plt.subplot(222)
plt.hist(arr, bins=256, normed=1,edgecolor='None',facecolor='red') #原始图像直方图
img1=exposure.equalize_adapthist(img) #进行自适应直方图均衡化
arr1=img1.flatten() #返回数组折叠成一维的副本
plt.subplot(223)
plt.imshow(img1,plt.cm.gray) #均衡化图像
plt.subplot(224)
plt.hist(arr1, bins=256, normed=1,edgecolor='None',facecolor='red') #均衡化直方图
plt.show()