Ecualización de histograma

La ecualización de imagenes tiene como objetivo mejorar la visualización de una imagen mediante un procedimiento que fomenta la uniforme existencia de intensidades dentro de la imagen. Dicha uniformidad permite aprovechar el todo el rango de valores que la imagen puede expresar y por tanto permite que esta incremente su contraste.

Imagen antes de la ecualización

Histograma antes de la ecualización

Función de probabilidad antes de la ecualización

Imagen después de la ecualización

Histograma despues de la ecualización

Función de probabilidad despues de la ecualización

Como se puede observar, la ecualización permite aprovechar el todo el rango de valores de intensidad de una imagen, lo cual en múltiples ocasiones facilita la clara precepción de las caracteristicas de la imagen de interes. Para implementar dicho procedimiento, solo es necesario seguir los siguientes pasos:

Obtener el histograma de la imagen
Calcular la función de probabilidad de la imagen
Evaluar los pixeles de la imagen en la función de probabilidad
Remapear la salida a la escala de la imagen (usualmente 255)

Script empleado en el ejemplo:

import cv2

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

from scipy import interpolate

def main():

# Se carga la imagen a trabajar

imagen = cv2.imread('bosque.jpg')

# Se acomoda la informacion para ser trabajada por canales

canales = np.array(cv2.split(imagen))

col = ['b', 'g', 'r']

resultado = canales

hist_antes = np.zeros((3, 256))

hist_despu = np.zeros((3, 256))

fun_pro_antes = np.zeros((3, 256))

fun_pro_despu = np.zeros((3, 256))

# Se ecualiza cada canal de forma independiente

for i, canal in enumerate(canales):

# Se calcula el histograma del canal

hist = cv2.calcHist(canal, [0], None, [256], [0,256])

hist = np.transpose(hist)[0]

# Se guarda el histograma del canal

hist_antes[i] = hist

# Se calcula la funcion de probabilidad

fp = hist.cumsum()

fp = (fp/fp[-1])

# Se guarda la funcion de probabilidad del canal

fun_pro_antes[i] = fp

# Se pasa la imagen por la funcion de probabilidad y se remapea

resultado[i] = (fp[canal]*255).astype(int)

# Se calcula el histograma del canal ecualizado

hist = cv2.calcHist(resultado[i], [0], None, [256], [0,256])

hist = np.transpose(hist)[0]

# Se guarda el histograma del canal ecualizado

hist_despu[i] = hist

# Se calcula la funcion de probabilidad del canal ecualizado

fp = hist.cumsum()

fp = (fp/fp[-1])

# Se guarda la funcion de probabilidad del canal ecualizado

fun_pro_despu[i] = fp

imagen_ecualizada = cv2.merge(resultado)

# Se muestra la imagen original

plt.figure(dpi=300)

plt.tight_layout()

plt.axis('off')

plt.imshow(cv2.cvtColor(imagen, cv2.COLOR_BGR2RGB), vmin=0, vmax=255)

plt.show()

cv2.imwrite('Original.png', imagen)

# Se muestra la imagen ecualizada

plt.figure(dpi=300)

plt.tight_layout()

plt.axis('off')

plt.imshow(cv2.cvtColor(imagen_ecualizada, cv2.COLOR_BGR2RGB), vmin=0, vmax=255)

plt.show()

cv2.imwrite('Ecualizada.png', imagen_ecualizada)

#Se muestran los histogramas antes de procesar

plt.figure(figsize=(8, 6), dpi=300)

for i, hist in enumerate(hist_antes):

plt.plot(np.arange(256), hist, color = col[i])

plt.tight_layout()

plt.savefig('Histograma original.png', dpi=300, bbox_inches='tight')

plt.show()

#Se muestran los histogramas antes de procesar

plt.figure(figsize=(8, 6), dpi=300)

for i, hist in enumerate(hist_despu):

plt.plot(np.arange(256), hist, color = col[i])

plt.tight_layout()

plt.savefig('Histograma ecualizado.png', dpi=300, bbox_inches='tight')

plt.show()

#Se muestran los histogramas antes de procesar

plt.figure(figsize=(8, 6), dpi=300)

for i, fun_pro in enumerate(fun_pro_antes):

plt.plot(np.arange(256), fun_pro, color = col[i])

plt.tight_layout()

plt.savefig('Funcion de probabilidad original.png', dpi=300, bbox_inches='tight')

plt.show()

#Se muestran los histogramas antes de procesar

plt.figure(figsize=(8, 6), dpi=300)

for i, fun_pro in enumerate(fun_pro_despu):

plt.plot(np.arange(256), fun_pro, color = col[i])

plt.tight_layout()

plt.savefig('Funcion de probabilidad ecualizado .png', dpi=300, bbox_inches='tight')

plt.show()

if __name__ == '__main__':

sns.set_theme(style= 'darkgrid' )

main()