深度学习中RGB影像图的直方图均衡化python代码and对图片中指定部分做基于掩模的特定区域直方图均衡化

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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/347219.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Git 入门精讲

我们为什么要学习git? 就当下的发展而言,只要你从事开发就一定会接触git。作为最强大的分布式版本控制器,git 与 svn 有着本质上的区别。 Git是一种分布式版本控制系统,每个开发者都可以在本地维护完整的代码库,可以离…

04 经典的OSPF

思维导图的方式回顾OSPF 什么是OSPF?为什么需要OSPF? - 华为 (huawei.com) 1 ospf 领行学习思维导图 1.1 ospf 的工作过程 建立领据表同步数据库计算路由表1.2 ospf 的状态

C++ 红黑树

目录 一、红黑树的概念和性质 二、实现红黑树 1、节点定义构造 2、插入 3、左单旋&右单旋 4、中序遍历 5、检查平衡 6、获取树的高度 7、查找 8、析构 测试 完整版 一、红黑树的概念和性质 红黑树,是一种二叉搜索树,但在每个结点上增加一…

数据恢复与硬盘修理

第1篇 数据恢复与硬盘修理基础 本篇包括第1章,主要介绍数据恢复的发展现状、硬盘维修的基本知识以及一些基本工具的使用。 第1章 基础知识 1.1 数据恢复技术的发展和研究现状 目前国内的数据恢复服务市场处于一个极不规范的状态。虽然大部分数据恢复服务提供商是…

Linux CentOs7 安装Mysql(5.7和8.0版本)密码修改 超详细教程

CSDN 成就一亿技术人! 今天出一期Centos下安装Mysql(详细教程)包括数据库密码跳过修改 CSDN 成就一亿技术人! 目录 1.获取安装包 2.安装程序 安装下载的rpm包 查看安装包 修改5.7版本(重要) 安装M…

如何生成漂亮的静态文档说明页

分享:如何生成漂亮的静态文档说明页 最近经常被问 https://t.itmuch.com/doc.html 文档页是怎么制作的,考虑到步骤略复杂,写篇手记总结下吧。 TIPS https://t.itmuch.com/doc.html 是个人在慕课网视频《 面向未来微服务:Spring Cloud Alibab…

二叉树堆的应用实例分析:堆排序 | TOP-K问题

📷 江池俊: 个人主页 🔥个人专栏: ✅数据结构冒险记 ✅C语言进阶之路 🌅 有航道的人,再渺小也不会迷途。 文章目录 前言一、堆排序1.1 排序思想1.2 堆排序过程(图解)1.3 堆排序代…

C++ 数论相关题目(欧拉函数、筛法求欧拉函数)

1、欧拉函数 给定 n 个正整数 ai ,请你求出每个数的欧拉函数。 欧拉函数的定义 1∼N 中与 N 互质的数的个数被称为欧拉函数,记为 ϕ(N) 。 若在算数基本定理中,Npa11pa22…pamm ,则: ϕ(N) Np1−1p1p2−1p2…pm−1p…

【数学建模】插值与拟合

文章目录 插值插值方法用Python解决插值问题 拟合最小二乘拟合数据拟合的Python实现 适用情况 处理由试验、测量得到的大量数据或一些过于复杂而不便于计算的函数表达式时,构造一个简单函数作为要考察数据或复杂函数的近似 定义 给定一组数据,需要确定满…

b+树的理解

二叉树: 每个节点支持两个分支的树结构,相比于单向链表,多了一个分支。 二叉查找树: 在二叉树的基础上增加了一个规则,左子树的所有节点都小于它的根节点,右子树的所有节点都大于他的根节点。 二叉查找树…

Flutter中实现中国省份地图

效果展示(这里只展示局部,完全展示违规): 可以点击省份改变颜色,更多功能可以自行拓展。 注:非完整中国地图!!! 本文用于记录在Flutter项目中安卓端实现中国地图,因为实现过程是通过…

分类预测 | Matlab实现GRU-Attention-Adaboost基于门控循环单元融合注意力机制的Adaboost数据分类预测/故障识别

分类预测 | Matlab实现GRU-Attention-Adaboost基于门控循环单元融合注意力机制的Adaboost数据分类预测/故障识别 目录 分类预测 | Matlab实现GRU-Attention-Adaboost基于门控循环单元融合注意力机制的Adaboost数据分类预测/故障识别分类效果基本描述程序设计参考资料 分类效果 …

【Linux C | 进程】Linux 进程间通信的10种方式(2)

😁博客主页😁:🚀https://blog.csdn.net/wkd_007🚀 🤑博客内容🤑:🍭嵌入式开发、Linux、C语言、C、数据结构、音视频🍭 🤣本文内容🤣&a…

手写一个图形验证码

文章目录 需求分析 需求 使用 JS 写一个验证码&#xff0c;并在前端进行校验 分析 新建文件 VueImageVerify.vue <template><div class"img-verify"><canvas ref"verify" :width"state.width" :height"state.height&qu…

OpenCV-Python(51):基于Haar特征分类器的面部检测

目标 学习了解Haar 特征分类器为基础的面部检测技术将面部检测扩展到眼部检测等。 基础 以Haar 特征分类器为基础的对象检测技术是一种非常有效的对象检测技术(2001 年Paul_Viola 和Michael_Jones 提出)。它是基于机器学习的,通过使用大量的正负样本图像训练得到一个cascade_…

socket以及字节序

1. socket 介绍&#xff1a; 简介&#xff1a; 所谓 socket&#xff08; 套接字&#xff09;&#xff0c;就是对网络中不同主机上的应用进程之间进行双向通信的 端点的抽象。 一个套接字就是网络上进程通信的一端&#xff0c;提供了应用层进程利用网络协议交换数据的机制。从所…

推荐一个还可以的windows ssh工具

1.下载 https://github.com/kingToolbox/WindTerm/releases 2.解压 3.使用 上传 下载都很快 比cmd窗口好用 当然和finalshell有点像

Linux编辑器vim(含vim的配置)

文章目录 前言vim的基本概念vim基本操作进入vim模式切换退出vim vim指令vim命令模式指令vim底行模式命令 简单vim配置 前言 本篇文章&#xff0c;小编将介绍Linux编辑器–>vim以及vim的配置。 vim的基本概念 正常/普通/命令模式(Normal mode) 控制屏幕光标的移动&#xf…

云贝教育 |【分享课】1月25日Oracle分享主题:Oracle 单实例DG

分享主题&#xff1a;Oracle 19c 单实例DG-1 讲师&#xff1a;刘峰 直播时间&#xff1a;1月25日周四19:30 直播平台&#xff1a;微信视频号 云贝学院

(更新)“高铁开通”地级市-多期DID工具变量(2000-2022年)

参照卞元超&#xff08;2019&#xff09;、邓慧慧&#xff08;2020&#xff09;、汪克亮&#xff08;2021&#xff09;等人做法&#xff0c;将开通高铁的城市作为处理组&#xff0c;未开通高铁的城市作为对照组。地级市开通高铁之后的DID赋值为1&#xff0c;未开通则赋值为0 一…