Histogrammausgleich
Einfache Histogrammausgleichung
Die Histogrammausgleichung ist eine Technik zur Verbesserung des globalen Kontrasts eines Bildes. Dabei werden die Intensitätswerte so umverteilt, dass sie den gesamten möglichen Bereich abdecken (0 bis 255 bei 8-Bit-Bildern). Dies ist besonders nützlich für Bilder, die zu dunkel oder zu hell sind, da dadurch Merkmale besser sichtbar werden, indem das Histogramm der Pixelintensitäten ausgeglichen wird.
equalized = cv2.equalizeHist(image)
cv2.equalizeHist(image)image: Eingabebild in Graustufen (muss ein Einzelkanalbild sein);- Gibt ein neues Bild mit verbessertem Kontrast zurück, indem das Histogramm gestreckt und abgeflacht wird.
Diese Methode ist global – sie verbessert den Kontrast des gesamten Bildes gleichmäßig, was in einigen Bereichen zu einer Überbetonung und in anderen zu einem Detailverlust führen kann.
Adaptive Histogrammausgleich (CLAHE)
CLAHE (Contrast Limited Adaptive Histogram Equalization) ist eine fortgeschrittene Version des Histogrammausgleichs, die auf kleinen Bereichen (Kacheln) des Bildes anstelle des gesamten Bildes arbeitet. Sie verbessert den lokalen Kontrast und verhindert eine Überverstärkung von Rauschen, indem der Histogrammkontrast innerhalb jeder Kachel begrenzt wird.
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
cv2.createCLAHE(...)erstellt ein CLAHE-Objekt mit:clipLimit: Schwellenwert für die Kontrastbegrenzung (höherer Wert = mehr Kontrast);tileGridSize: Größe des Rasters zur Unterteilung des Bildes in Kacheln (z. B. 8x8).
clahe.apply(image)wendet CLAHE auf das Eingabebild an.
CLAHE ist besonders effektiv bei Bildern mit unterschiedlichen Lichtverhältnissen oder wenn der Erhalt lokaler Details wichtig ist, beispielsweise in der medizinischen Bildgebung oder bei Aufnahmen bei schlechten Lichtverhältnissen.
Swipe to start coding
Sie erhalten eine Variable image:
- Wenden Sie eine einfache Histogramm-Equalisierung an und speichern Sie das Ergebnis in
equalized; - Definieren Sie ein CLAHE-Klassenobjekt in der Variable
clahe; - Wenden Sie die CLAHE-Histogramm-Equalisierung an und speichern Sie das Ergebnis in
clahe_equalized(Parameterempfehlung:clipLimit=2.0undtileGridSize=(8, 8)).
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.45Histogrammausgleich
Swipe um das Menü anzuzeigen
Einfache Histogrammausgleichung
Die Histogrammausgleichung ist eine Technik zur Verbesserung des globalen Kontrasts eines Bildes. Dabei werden die Intensitätswerte so umverteilt, dass sie den gesamten möglichen Bereich abdecken (0 bis 255 bei 8-Bit-Bildern). Dies ist besonders nützlich für Bilder, die zu dunkel oder zu hell sind, da dadurch Merkmale besser sichtbar werden, indem das Histogramm der Pixelintensitäten ausgeglichen wird.
equalized = cv2.equalizeHist(image)
cv2.equalizeHist(image)image: Eingabebild in Graustufen (muss ein Einzelkanalbild sein);- Gibt ein neues Bild mit verbessertem Kontrast zurück, indem das Histogramm gestreckt und abgeflacht wird.
Diese Methode ist global – sie verbessert den Kontrast des gesamten Bildes gleichmäßig, was in einigen Bereichen zu einer Überbetonung und in anderen zu einem Detailverlust führen kann.
Adaptive Histogrammausgleich (CLAHE)
CLAHE (Contrast Limited Adaptive Histogram Equalization) ist eine fortgeschrittene Version des Histogrammausgleichs, die auf kleinen Bereichen (Kacheln) des Bildes anstelle des gesamten Bildes arbeitet. Sie verbessert den lokalen Kontrast und verhindert eine Überverstärkung von Rauschen, indem der Histogrammkontrast innerhalb jeder Kachel begrenzt wird.
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
cv2.createCLAHE(...)erstellt ein CLAHE-Objekt mit:clipLimit: Schwellenwert für die Kontrastbegrenzung (höherer Wert = mehr Kontrast);tileGridSize: Größe des Rasters zur Unterteilung des Bildes in Kacheln (z. B. 8x8).
clahe.apply(image)wendet CLAHE auf das Eingabebild an.
CLAHE ist besonders effektiv bei Bildern mit unterschiedlichen Lichtverhältnissen oder wenn der Erhalt lokaler Details wichtig ist, beispielsweise in der medizinischen Bildgebung oder bei Aufnahmen bei schlechten Lichtverhältnissen.
Swipe to start coding
Sie erhalten eine Variable image:
- Wenden Sie eine einfache Histogramm-Equalisierung an und speichern Sie das Ergebnis in
equalized; - Definieren Sie ein CLAHE-Klassenobjekt in der Variable
clahe; - Wenden Sie die CLAHE-Histogramm-Equalisierung an und speichern Sie das Ergebnis in
clahe_equalized(Parameterempfehlung:clipLimit=2.0undtileGridSize=(8, 8)).
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
