计算机视觉 / 系统课时
使用直方图均衡化
使用直方图均衡化
低对比度灰度图常把有效像素挤在很窄的亮度区间里,暗部与亮部细节因此难以区分。本课用 OpenCV 的全局直方图均衡化把灰度分布重新拉开,并说明彩色图像与光照不均场景该怎样处理,避免把“更亮”误当成“对比度更好”。
学习目标
- 理解
cv2.equalizeHist实际改变的是灰度映射,而不是增加新的图像细节。 - 能对 8 位单通道图像执行均衡化,并用灰度范围与直方图检查结果。
- 能判断什么时候应改用亮度通道均衡或 CLAHE,避免色偏与噪声放大。
直方图均衡化在改什么
直方图统计每个灰度值出现的次数。若一张 8 位图像的大多数像素只落在 90~160,显示设备虽然能表示 0~255,但两端大量范围没有被利用。全局均衡化会依据累计分布函数重新映射像素,使常见灰度被更充分地铺到可用范围,局部明暗差异因此更容易看见。
以一张只含 90~160 的测试图为例,均衡后最暗值可映射到 0,最亮值可映射到 255。这个过程只重排已有亮度关系,不会凭空恢复已经丢失的纹理;如果原图过曝区域本来全部是 255,均衡化也无法找回其中不存在的细节。

用 equalizeHist 完成全局均衡
cv2.equalizeHist 接收 8 位单通道图像,最稳妥的输入类型是 uint8 灰度图。下面的程序构造一个只覆盖 90~160 的低对比度图像,均衡后保存前后结果,并打印灰度范围,代码可直接运行。
import cv2
import numpy as np
# 构造 100×284 的低对比度灰度图,像素只覆盖 90~160。
image = np.tile(np.arange(90, 161, dtype=np.uint8), (100, 4))
equalized = cv2.equalizeHist(image)
cv2.imwrite("low-contrast.png", image)
cv2.imwrite("equalized.png", equalized)
print(f"before={int(image.min())}..{int(image.max())}")
print(f"after={int(equalized.min())}..{int(equalized.max())}")
print(f"shape={equalized.shape}, dtype={equalized.dtype}")预期输出
before=90..160
after=0..255
shape=(100, 284), dtype=uint8打开 low-contrast.png 与 equalized.png 后,应看到后者的明暗层次被明显拉开。若处理真实图片,可先用 cv2.imread("input.png", cv2.IMREAD_GRAYSCALE) 读取灰度图,再将返回数组传给 cv2.equalizeHist;若读取失败得到 None,应先检查文件路径,而不是继续调用均衡化函数。
彩色图像只处理亮度
不要分别对 B、G、R 三个通道执行 cv2.equalizeHist。三个颜色通道的累计分布不同,独立映射会改变通道之间的比例,原本中性的灰色可能出现偏色。更常用的做法是把 BGR 转到 YCrCb,只均衡表示亮度的 Y 通道,再转换回 BGR。
可按固定顺序处理:先用 cv2.cvtColor(image, cv2.COLOR_BGR2YCrCb) 转换颜色空间,使用 cv2.split 拆出 Y、Cr、Cb,对 Y 调用 cv2.equalizeHist,再用 cv2.merge 合并,最后通过 cv2.COLOR_YCrCb2BGR 转回。验收时重点比较肤色、白墙等中性色区域是否保持原有色相。
光照不均时改用 CLAHE
全局均衡化只依据整幅图的统计结果。若画面左侧很暗、右侧很亮,亮区的大量像素会影响暗区的映射,此时局部对比度增强通常更合适。OpenCV 可用 cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) 创建 CLAHE,再对灰度图或亮度通道调用其 apply 方法。
tileGridSize=(8, 8) 表示把图像划成 8×8 个局部网格进行处理,clipLimit=2.0 是常用起点,用来限制局部直方图峰值,防止噪声被无限放大。若暗区颗粒明显,可把 clipLimit 降到约 1.5;若局部对比仍不足,可逐步提高到 3.0 左右,并同时检查平坦区域是否出现噪点和块状边界。
| 场景 | 首选方法 | 检查重点 |
|---|---|---|
| 整幅图都偏灰、灰度集中 | cv2.equalizeHist |
灰度范围是否被拉开 |
| 明暗区域分布很不均 | CLAHE,clipLimit=2.0、tileGridSize=(8, 8) |
暗区细节与噪声是否同时上升 |
| 原图已有强反差 | 不处理或轻度 CLAHE | 是否出现黑白截断与过硬边缘 |
判断处理是否有效,不要只看平均亮度。更可靠的检查是同时比较原图与结果图的直方图、暗部纹理和高光区域:灰度分布应更充分,但不应出现大面积压到 0 或 255,也不应以明显色偏或噪声增加为代价。