OpenCVの使い方29 ～ヒストグラム平坦化

今回はOpenCVを用いて輝度ヒストグラムの平坦化による画像明るさ補正について紹介する。

atatat.hatenablog.com

1. 画像読み込みと輝度ヒストグラム
2. ヒストグラム平坦化処理
3. ヒストグラム平坦化画像比較
4. まとめ

1. 画像読み込みと輝度ヒストグラム

　霧により全体的に白みがかった画像の明るさを補正してみる。

Google Colabでのサンプル画像読み込み

import cv2
import numpy as np
from matplotlib import pyplot as plt
from google.colab import files
uploaded_file = files.upload()
uploaded_file_name = next(iter(uploaded_file))
orig = cv2.imread(uploaded_file_name)

読み込んだ画像は変数grayに格納する。

gray = cv2.cvtColor(orig, cv2.COLOR_BGR2GRAY)
plt.imshow(gray,cmap='gray',vmin=0,vmax=255)

画像の輝度ヒストグラムを調べるためNumpyのnp.histogram(array, bins, range)を利用する。画像に適用するためgray.flatten()として1次元配列に変換する。binsは256, 範囲は[0,256]とする。またhist.cumsum()として累積度数を取得して、hist.max()/cdf.max()で正規化する。

hist,bins = np.histogram(gray.flatten(),256,[0,256])

cdf = hist.cumsum()
cdf_normalized = cdf * hist.max()/ cdf.max()

plt.plot(cdf_normalized, color = 'b')
plt.hist(gray.flatten(),256,[0,256], color = 'r')
plt.xlim([0,256])
plt.legend(('cdf','histogram'), loc = 'upper left')
plt.show()

輝度値が150～225に分布していて比較的白みがかっていることが輝度ヒストグラムからもわかる。

2. ヒストグラム平坦化処理

150～225に集中している輝度値を0～255に分散させることでヒストグラムを平坦化する。１つづつ計算する場合は累積輝度分布cdfが0のものをマスク（計算させない）して、マスクした累積輝度分布の最大値と最小値を用いて255で正規化する。最後にマスクした部分を0で埋める。(以下参照)

ヒストグラム平坦化

累積輝度分布cdfを0をマスクするにはnp.ma.masked_equal(cdf,0)とし、マスクした値を0で埋めるにはnp.ma.filled(cdf_m,0)とする。平坦化した輝度ヒストグラムを画像に適用するにはcdf[gray]とし、gray2に格納する。

cdf_m = np.ma.masked_equal(cdf,0)
cdf_m = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())
cdf = np.ma.filled(cdf_m,0).astype('uint8')
gray2=cdf[gray]

似たような処理をOpenCVのcv2.equalize()で処理することができる。

equ = cv2.equalizeHist(gray)

画像の元の輝度ヒストグラム、累積輝度分布を正規化して平坦化したヒストグラム(Flatten)、OpenCVのcv2.equalize()で平坦化したヒストグラム(equalizeHist)を比較すると、150～225に集中していた元の輝度ヒストグラムに対して平坦化した輝度ヒストグラムは0～255に広がっていることが確認できる。