使用掩码对特定区域进行直方图均衡

Question

我正在处理需要处理的图像。然而，只有这些图像的特定区域是感兴趣的，所以对于每张图像，我都有一个相应的蒙版（可以是任何形状，而不是边界框或任何特定的）。我想做直方图均衡化，但只在“蒙面”上，因为我对图像的其余部分不感兴趣。

有人问过类似的问题here，但是提出的解决方案依赖于边界框或均衡整个图像，这不是我的目标。

任何使用直方图均衡或 CLAHE、RGB 或灰度图像的解决方案都会很有趣

Answer 1

这是可能的。这是一个简单的方法：

流量：

您可以在掩码的帮助下对给定区域执行直方图均衡化。

使用蒙版，存储像素为白色的坐标。
存储灰度图像中存在的这些坐标的像素强度
对这些存储的像素执行直方图均衡化。您现在将获得一组新值。
根据坐标位置用新像素值替换旧像素值。

代码：

以下是使用灰度图像的插图。

img = cv2.imread('flower.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

掩码如下：

mask = cv2.imread('mask.jpg', 0)

我只想对花进行直方图均衡化。

将像素为白色（255）的坐标存储在mask中：

coord = np.where(mask == 255)

将所有像素强度存储在 gray 中存在的这些坐标上：

pixels = gray[coord]

对这些像素强度执行直方图均衡化：

equalized_pixels = cv2.equalizeHist(pixels)

创建名为 gray2 的 gray 的副本。将均衡的强度放在相同的坐标中：

gray2 = gray.copy()
for i, C in enumerate(zip(coord[0], coord[1])):
    gray2[C[0], C[1]] = equalized_pixels[i][0]

cv2.imshow('Selective equalization', gray2)

比较：

Note: This process can be extended for Histogram Equalization or CLAHE, ON RGB or grayscale images.

使用掩码对特定区域进行直方图均衡

Histogram Equalization on specific area using mask

python

opencv

image-processing

histogram

histogram-equalization

流量：

代码：