几种常用的图像增强方法: 1. 直方图均衡化:
全局:
`img_equzlized == cv2.equalizeHist(img)`
局部:
```python
img = cv2.imread('xxx.yy')
clahe = cv2.createCLAHE(clipLimit=2, tileGridSize=(10, 10))
# 超过clipLimit的部分被截断, 并均分到整张直方图.
# tileGridSize代表均衡的范围, 作用类似于掩码的尺寸.
img_equalized = clahe.apply(img)
统计直方图:
hist_img = cv2.calcHist([img], [0], None, [256], [0, 256])
hist_img_equalized = cv2.calcHist([img_equalized], [0], None, [256], [0, 256])
```2. 指数方法: 【图像增强】\(g(x, y) = 255 * ((g(x, y) - minv) / (maxv - minv)) ^ t\) # t越大, 噪声越少, 但同时失去的信息也更多——信息本身也是一种噪声; t通常取值在(0.6, 1.5).
转载于:https://www.cnblogs.com/ZhengPeng7/p/7639613.html
