目录

3.1 灰度直方图

3.2 线性变换

3.3 直方图正规化

3.4 伽马变换

3.5 全局直方图均衡化

3.6 CLAHE

对比度增强是图像增强的一种，它主要解决的是图像的灰度级范围较小造成的对比度较低的问题，目的是将图像的灰度级增强到指定范围，使得图像变清晰。对比度增强：线性变换、分段线性变换、伽马变换、直方图正规化，直方图均衡化，局部自适应直方图均衡化。

灰度直方图：是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数或者占有率。

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]])  channels，是用于计算直方图的通道，这里使用灰度图计算直方图，所以就直接使用第一个通道。 Mask，图像掩模，没有使用则填写None。 histSize，表示这个直方图分成多少份（即多少个直方柱）。 ranges，表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。 accumulate，为一个布尔值，用来表示直方图是否叠加。

原理：假设输入图像为I，宽为W，高为H，输出图像为O。

线性变换公式定义：

当a=1,b=0时，O是I的一个副本；当a>1, 增大对比度；当a0,亮度增加，当b255] = 240 # 数据类型转换 O = np.round(O) O = O.astype(np.uint8) histO = cv2.calcHist(O,[0],None,[255],[0,255]) # 线性变换之后灰度图

cv2.calcHist（原图，直方图通道，掩膜，直方图大小，像素值范围，输出直方图=None，是否是累积直方图=None）

①直方图通道：需要计算直方图的通道，可以是一个整数或整数的列表。例如，如果输入图像是一个三通道的彩色图像，则可以选择计算蓝色通道的直方图、绿色通道的直方图、红色通道的直方图或者所有通道的直方图。

②掩膜：指定感兴趣区域，只对指定区域内部分进行直方图统计，如果不需要则输入 None

③直方图的大小（即直方图的区间数），可以是一个列表或元组，表示每个通道的直方图大小，例如 [256, 256, 256] 表示三个通道的直方图大小均为 256 个区间

④像素值的范围，可以是一个列表或元组，表示每个通道的像素值范围，例如 [0, 256, 0, 256, 0, 256] 表示三通道的像素值范围均为 0-255。对于单通道灰度图像，可以省略其中一个 0-256 的范围，例如 [0, 256] 表示像素值范围在 0-255 之间（包含 0 和 255）

假设输入图像为I，宽为W，高为H，将I出现的最小灰度值记为Imin，最大灰度值记为Imax，为使输出图像）的灰度级范围为[Omin,Omax]，I和O的映射为：

 直方图正规化就是一种自动选取a和b值得线性变换方法。

cv2.normalize(src[, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]])

①src-输入数组

②dst-输出数组，支持原地运算

③alpha-range normalization模式的最小值

④beta-range normalization模式的最大值，不用于norm normalization(范数归一化)模式。

⑤normType-归一化的类型，可以有以下的取值：

    NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。

    NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)

    NORM_L1 :  归一化数组的L1-范数(绝对值的和)

    NORM_L2: 归一化数组的(欧几里德)L2-范数

⑥dtype-dtype为负数时，输出数组的type与输入数组的type相同；否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

⑦mask-操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

图像归一化后得到图像I(r,c),伽马变换就是O(r,c)=I(r,c)^γ, 0