Histogramutjämning
Enkel histogramutjämning
Histogramutjämning är en teknik som används för att förbättra den globala kontrasten i en bild. Metoden fungerar genom att omfördela intensitetsvärdena så att de täcker hela det möjliga intervallet (0 till 255 i 8-bitarsbilder). Detta är särskilt användbart för bilder som är för mörka eller för ljusa, eftersom det gör detaljer mer synliga genom att utjämna histogrammet för pixelintensiteter.
equalized = cv2.equalizeHist(image)
cv2.equalizeHist(image)
image
: inmatad gråskalebild (måste vara enkelkanalig);- Returnerar en ny bild med förbättrad kontrast genom att sträcka ut och platta till histogrammet.
Denna metod är global – den förbättrar kontrasten i hela bilden enhetligt, vilket kan leda till överförstärkning i vissa områden och förlust av detaljer i andra.
Adaptiv histogramutjämning (CLAHE)
CLAHE (Contrast Limited Adaptive Histogram Equalization) är en avancerad version av histogramutjämning som arbetar på små regioner (kakel) av bilden istället för hela bilden. Den förbättrar lokal kontrast och undviker att förstärka brus för mycket genom att begränsa histogramkontrasten inom varje kakel.
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
cv2.createCLAHE(...)
skapar ett CLAHE-objekt med:clipLimit
: tröskelvärde för kontrastbegränsning (högre värde = mer kontrast);tileGridSize
: storlek på rutnätet för att dela upp bilden i kakel (t.ex. 8x8).
clahe.apply(image)
tillämpar CLAHE på inmatningsbilden.
CLAHE är särskilt effektivt för bilder med varierande ljusförhållanden eller där bevarande av lokala detaljer är viktigt, såsom medicinsk avbildning eller fotografering i svagt ljus.
Swipe to start coding
Du har fått en variabel image
:
- Applicera enkel histogramutjämning och spara i
equalized
; - Definiera CLAHE-klassobjekt i variabeln
clahe
; - Applicera CLAHE-histogramutjämning och spara i
clahe_equalized
(parameterrekommendation:clipLimit=2.0
ochtileGridSize=(8, 8)
).
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
What are the main differences between standard histogram equalization and CLAHE?
When should I use CLAHE instead of regular histogram equalization?
Can you explain how the clipLimit and tileGridSize parameters affect the result?
Awesome!
Completion rate improved to 3.45
Histogramutjämning
Svep för att visa menyn
Enkel histogramutjämning
Histogramutjämning är en teknik som används för att förbättra den globala kontrasten i en bild. Metoden fungerar genom att omfördela intensitetsvärdena så att de täcker hela det möjliga intervallet (0 till 255 i 8-bitarsbilder). Detta är särskilt användbart för bilder som är för mörka eller för ljusa, eftersom det gör detaljer mer synliga genom att utjämna histogrammet för pixelintensiteter.
equalized = cv2.equalizeHist(image)
cv2.equalizeHist(image)
image
: inmatad gråskalebild (måste vara enkelkanalig);- Returnerar en ny bild med förbättrad kontrast genom att sträcka ut och platta till histogrammet.
Denna metod är global – den förbättrar kontrasten i hela bilden enhetligt, vilket kan leda till överförstärkning i vissa områden och förlust av detaljer i andra.
Adaptiv histogramutjämning (CLAHE)
CLAHE (Contrast Limited Adaptive Histogram Equalization) är en avancerad version av histogramutjämning som arbetar på små regioner (kakel) av bilden istället för hela bilden. Den förbättrar lokal kontrast och undviker att förstärka brus för mycket genom att begränsa histogramkontrasten inom varje kakel.
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_equalized = clahe.apply(image)
cv2.createCLAHE(...)
skapar ett CLAHE-objekt med:clipLimit
: tröskelvärde för kontrastbegränsning (högre värde = mer kontrast);tileGridSize
: storlek på rutnätet för att dela upp bilden i kakel (t.ex. 8x8).
clahe.apply(image)
tillämpar CLAHE på inmatningsbilden.
CLAHE är särskilt effektivt för bilder med varierande ljusförhållanden eller där bevarande av lokala detaljer är viktigt, såsom medicinsk avbildning eller fotografering i svagt ljus.
Swipe to start coding
Du har fått en variabel image
:
- Applicera enkel histogramutjämning och spara i
equalized
; - Definiera CLAHE-klassobjekt i variabeln
clahe
; - Applicera CLAHE-histogramutjämning och spara i
clahe_equalized
(parameterrekommendation:clipLimit=2.0
ochtileGridSize=(8, 8)
).
Lösning
Tack för dina kommentarer!
single