Prerrequisitos: Programa OpenCV Python para analizar una imagen usando Histogram
El histograma de una imagen digital con niveles de intensidad en el rango de 0 a L-1 es una función discreta:
h(rk) = nk where rk = kth intensity value and no = number of pixels in the image with rk intensity value.
Si la imagen tiene M filas y N columnas, entonces el número total de píxeles de la imagen es MN. El histograma normalizado se obtiene de la siguiente manera:
p(rk) = nk/MN
A veces, si la imagen es oscura, clara o de bajo contraste, es posible que el histograma de esa imagen no tenga píxeles con intensidad mínima (0) o intensidad máxima (255) o ambos respectivamente. En tales casos, el histograma de esa imagen se puede estirar aplicando la siguiente transformación.
Let a= maximum intensity level in the image Let b= minimum intensity level in the image Let rk= pixel value in the original image Let sk= pixel value in the stretched image constant= (255-0)/(a-b) Then sk= constant*rk
Algoritmo para el trazado de histogramas
- Lee la imagen
- Obtener el tamaño de la imagen. Sean m=filas y n=columnas
- Para todos los niveles de intensidad rk= 0 a 255
- Recorrer todas las filas ‘m’ y columnas ‘n’
- Cuente el número de píxeles para cada nivel de intensidad
- Trace el gráfico de los valores de intensidad frente al número de píxeles en cada valor de intensidad
Algoritmo para estirar el Histograma
- Encuentre el valor de intensidad mínima en la imagen, diga ‘a’ y el valor de intensidad máxima, diga ‘b’
- obtener una constante c= (255-0)/(ab)
- Multiplique esta constante con cada píxel de la imagen para obtener el estiramiento del histograma.
Observaciones
Se observa que la imagen de entrada oscura mejora después del estiramiento de contraste.
A continuación se muestra la implementación.
Imagen de entrada:
# import cv2, numpy, matplotlib
import cv2
import numpy as np
import matplotlib.pyplot as plt
# function to obtain histogram of an image
def hist_plot(img):
# empty list to store the count
# of each intensity value
count =[]
# empty list to store intensity
# value
r = []
# loop to traverse each intensity
# value
for k in range(0, 256):
r.append(k)
count1 = 0
# loops to traverse each pixel in
# the image
for i in range(m):
for j in range(n):
if img[i, j]== k:
count1+= 1
count.append(count1)
return (r, count)
img = cv2.imread('food.jpeg', 0)
# To ascertain total numbers of rows and
# columns of the image, size of the image
m, n = img.shape
r1, count1 = hist_plot(img)
# plotting the histogram
plt.stem(r1, count1)
plt.xlabel('intensity value')
plt.ylabel('number of pixels')
plt.title('Histogram of the original image')
# Transformation to obtain stretching
constant = (255-0)/(img.max()-img.min())
img_stretch = img * constant
r, count = hist_plot(img_stretch)
# plotting the histogram
plt.stem(r, count)
plt.xlabel('intensity value')
plt.ylabel('number of pixels')
plt.title('Histogram of the stretched image')
# Storing stretched Image
cv2.imwrite('Stretched Image 4.png', img_stretch)
Producción:
