Python+OpenCV手动实现直方图均衡化全黑图像问题求助

我看了你的代码，问题主要出在累积直方图的计算逻辑和循环范围上，这导致最终生成的映射表b大部分都是0，所以输出图像全黑。咱们一步步拆解问题：

核心错误点 #

• 循环范围错误：你在计算均衡化映射时用了range(1,width)，但灰度级是0到255（共256个），不管图像的宽度是多少，都应该遍历所有256个灰度级，而不是图像宽度。如果图像宽度小于256，后面的灰度级映射值会保持初始的0，最终大量像素被映射成0，导致图像全黑。
• 累积频率计算逻辑错误：你在计算时每次都把当前直方图计数和前一个值重复乘以tmp，这相当于做了多次缩放，完全偏离了公式((L-1)/MN)*ni的逻辑。正确的做法是先计算累积像素计数（把直方图数值累加），再整体乘以(L-1)/(MN)。

修正后的代码 #

import numpy as np
import cv2

path = "C:/Users/Arun Nambiar/Downloads/fingerprint256by256 (1).pgm"
img = cv2.imread(path, 0)

# 显示原始图像
cv2.imshow('Original Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

height, width = img.shape
total_pixels = height * width
# 初始化直方图数组
hist = np.zeros((256,), dtype=np.int32)

# 计算直方图
for j in range(height):
    for i in range(width):
        gray_val = img[j, i]
        hist[gray_val] += 1

# 计算累积直方图
cumulative_hist = np.zeros((256,), dtype=np.int32)
cumulative_hist[0] = hist[0]
for g in range(1, 256):
    cumulative_hist[g] = cumulative_hist[g-1] + hist[g]

# 计算均衡化映射表（对应公式((L-1)/MN)*ni）
tmp = 255.0 / total_pixels
equalized_map = np.round(cumulative_hist * tmp).astype(np.uint8)

# 应用映射到原图像（复制原图像避免修改原始数据）
equalized_img = img.copy()
for j in range(height):
    for i in range(width):
        gray_val = img[j, i]
        equalized_img[j, i] = equalized_map[gray_val]

# 显示均衡化后的图像
cv2.imshow('Equalized Image', equalized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明 #

• 直方图计算：遍历图像统计每个灰度级的出现次数，这部分你原来的逻辑是对的，只是调整了变量名让代码更清晰。
• 累积直方图：从第一个灰度级开始，累加前面所有灰度级的像素计数，得到每个灰度级对应的累积像素数cumulative_hist[g]，也就是公式里的ni。
• 映射表计算：用公式((L-1)/MN)*ni计算每个灰度级的新值，这里L=256，MN是总像素数，最后取整并转成uint8类型（符合图像像素的格式要求）。
• 应用映射：遍历图像把每个像素的原始灰度值替换成映射表中的新值，用copy()是为了避免修改原始图像数据。

额外优化建议 #

你可以用numpy的cumsum函数简化累积直方图的计算，不用手动写循环：

cumulative_hist = np.cumsum(hist)

这样代码更简洁，运行效率也更高。

内容的提问来源于stack exchange，提问作者Arun R Nambiar