深度学习很重要的预处理步骤
就是需要对做直方图均衡化
其中主要分成灰度图以及RGB图的直方图均衡化
这俩的方法和代码不同
想要去看具体原理的朋友可以查看下面这篇博客的内容
写的很详细
颜色直方图均衡化(https://www.cnblogs.com/wancy/p/17668345.html)
我们这个场景中会用到的就是颜色直方图均衡化了
其中包含三种方法
方法1.在BGR颜色空间下进行直方图均衡化,可以分别对每个通道进行均衡化。
以下是批量读取某个文件夹中的所有图片,并对每张图片做RGB直方图均衡化,使用OpenCV库实现彩色图像直方图均衡化(在BGR颜色空间)的代码:
import cv2
import os
import shutil
filePath = r"F:\deepl\sample\complete\road3\white" # 用于获取文件名称列表
new_path = r"F:\deepl\sample\complete\road3\white-rgb" # 目标文件夹
#move_path = r"F:\deepl\sample\complete\water2\sat" # 目标文件夹
file_names = filter(lambda x: x.find('png')!=-1, os.listdir(filePath))
# print(file_list)
for file in file_names:
# 读取彩色图像
path=filePath+'\\'+file
img = cv2.imread(path)
# 分离BGR图像的通道
b, g, r = cv2.split(img)
# 对每个通道进行直方图均衡化
equ_b = cv2.equalizeHist(b)
equ_g = cv2.equalizeHist(g)
equ_r = cv2.equalizeHist(r)
equ_img = cv2.merge((equ_b, equ_g, equ_r))#合并均衡化后的通道
# 显示均衡化前后的彩色图像
path2=new_path+'\\'+file
cv2.imwrite(path2, equ_img)
#cv2.imshow('Original Image', img)
#cv2.imshow('Equalized Image', equ_img)
#cv2.waitKey(0)
#cv2.destroyAllWindows()
做均衡化前后的图片如下所示:
但是,由于我的图片中有些图片存在大面积白色,因此均衡之后颜色就变成了这样:
很明显,由于白色区域的影响,这个结果明显是不对的,想了各种办法:
1、比如用PS把白色区域删掉,保存成png透明背景的再跑上面的代码,结果不对
2、用PS把上面的白色区域先变成灰色,再跑,结果也还是不对
总结原因:是因为我们上面的代码是做全局直方图均衡化,并不是局部的,因此即使是透明背景,结果做出来也不对
而且为了只让我选定的区域做直方图均衡化,其他区域不变
就需要用到下面的方法
基于掩模的特定区域直方图均衡化
这里也是参考了这位博主的文章
但这里他是对灰度图像做的,我们要做的是RGB影像
因此我对代码进行了修改,可以对RGB进行基于掩模的特定区域颜色直方图均衡化
话不多说
直接看代码
import cv2
import os
import numpy as np
filePath = r"F:\deepl\sample\complete\road3\white" # 用于获取文件名称列表
new_path = r"F:\deepl\sample\complete\road3\white-rgb" # 目标文件夹
mask_path = r"F:\deepl\sample\complete\road3\white-mask" # 目标文件夹
#move_path = r"F:\deepl\sample\complete\water2\sat" # 目标文件夹
file_names = filter(lambda x: x.find('png')!=-1, os.listdir(filePath))
# print(file_list)
for file in file_names:
# 读取彩色图像
path=filePath+'\\'+file
mask_path=mask_path+'\\'+file
img = cv2.imread(path)
# 分离BGR图像的通道
b, g, r = cv2.split(img)
mask = cv2.imread(mask_path, 0)
coord = np.where(mask == 255)
print(coord)
b_mask = b[coord]
g_mask = g[coord]
r_mask = r[coord]
# 对每个通道进行直方图均衡化
equ_b = cv2.equalizeHist(b_mask)
equ_g = cv2.equalizeHist(g_mask)
equ_r = cv2.equalizeHist(r_mask)
equ_img = cv2.merge((equ_b, equ_g, equ_r))#合并均衡化后的通道
img2 = img.copy()
for i, C in enumerate(zip(coord[0], coord[1])):
img2[C[0], C[1]] = equ_img[i][0]
# 显示均衡化前后的彩色图像
path2=new_path+'\\'+file
cv2.imwrite(path2, img2)
#cv2.imshow('Original Image', img)
#cv2.imshow('Equalized Image', equ_img)
#cv2.waitKey(0)
#cv2.destroyAllWindows()
上面3张图分别是RGB原图,黑白掩模,均衡化后的结果
这下可以看出,我们只对其中一部分指定区域做了均衡化
成功!
但是如何批量化跑呢?
我想要让程序自动从文件夹中读取图片,自动将白色和非白色区域生成掩模,然后自动读取后制作均衡化后的结果