使用Python图像库（PIL）规范化一组图像的直方图（亮度和对比度）

Question

我有一个脚本，它使用Google Maps API下载等大小的方形卫星图像序列并生成PDF。图像需要事先旋转，我已经使用PIL来完成。

我注意到，由于不同的光照和地形条件，一些图像太亮，另一些太暗，并且由此产生的pdf变得有点丑陋，“在现场”的读数条件不甚理想（这是穷乡僻壤的山地自行车，我想在这里打印特定十字路口的缩略图）。

（编辑）接下来的目标是让所有图像都具有相似的亮度和对比度。所以，太亮的图像必须变暗，黑暗的图像必须变亮。 （顺便说一句，我曾经使用imagemagick autocontrast或auto-gamma或equalize或autolevel或类似的东西，在医学图像中有趣的结果，但不知道如何在PIL中做任何这些）。

我已经在转换为灰度（之前有一台灰度打印机）后使用了一些图像校正功能，但结果也不好。这里是我的灰度代码：

#!/usr/bin/python 

def myEqualize(im) 
    im=im.convert('L') 
    contr = ImageEnhance.Contrast(im) 
    im = contr.enhance(0.3) 
    bright = ImageEnhance.Brightness(im) 
    im = bright.enhance(2) 
    #im.show() 
    return im 

此代码独立运行，为每个图像。我想知道是不是先分析所有图像然后“归一化”它们的视觉特性（对比度，亮度，伽玛等）会更好。

此外，我认为有必要对图像进行一些分析（直方图？），以便根据每幅图像应用自定义校正，而不是对所有图像进行相同校正（尽管任何“增强“功能隐含地考虑初始接头）。

有没有人有这样的问题和/或知道一个很好的替代方案与彩色图像（无灰度）做到这一点？

任何帮助将不胜感激，谢谢阅读！

Answer 1

您可能正在寻找的是执行“直方图拉伸”的实用程序。 Here is one implementation。我相信还有其他人。我认为你想保留原来的色调，并将这个功能统一应用于所有色带。

当然，很有可能一些瓷砖在它们加入的层次上会有显着的不连续性。但是，避免这种情况将涉及“拉伸”参数的空间插值，并且是一个更为复杂的解决方案。 （......但会是一个很好的锻炼，如果有这种需求。）

编辑：

这里是保存图像色调的调整：

import operator 

def equalize(im): 
    h = im.convert("L").histogram() 
    lut = [] 
    for b in range(0, len(h), 256): 
     # step size 
     step = reduce(operator.add, h[b:b+256])/255 
     # create equalization lookup table 
     n = 0 
     for i in range(256): 
      lut.append(n/step) 
      n = n + h[i+b] 
    # map image through lookup table 
    return im.point(lut*im.layers) 

Answer 2

下面的代码工作的来自显微镜的图像（它们是相似的），以在拼接前准备它们。我使用了20张图像的测试集合，结果合理。

亮度平均函数来自另一个Stackoverflow question。

from PIL import Image 
from PIL import ImageStat 
import math 

# function to return average brightness of an image 
# Source: https://stackoverflow.com/questions/3490727/what-are-some-methods-to-analyze-image-brightness-using-python 

def brightness(im_file): 
    im = Image.open(im_file) 
    stat = ImageStat.Stat(im) 
    r,g,b = stat.mean 
    return math.sqrt(0.241*(r**2) + 0.691*(g**2) + 0.068*(b**2)) #this is a way of averaging the r g b values to derive "human-visible" brightness 

myList = [0.0] 
deltaList = [0.0] 
b = 0.0 
num_images = 20       # number of images 

# loop to auto-generate image names and run prior function 
for i in range(1, num_images + 1):  # for loop runs from image number 1 thru 20 
    a = str(i) 
    if len(a) == 1: a = '0' + str(i) # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc. 
    image_name = 'twenty/' + a + '.jpg' 
    myList.append(brightness(image_name)) 

avg_brightness = sum(myList[1:])/num_images 
print myList 
print avg_brightness 

for i in range(1, num_images + 1): 
    deltaList.append(i) 
    deltaList[i] = avg_brightness - myList[i] 

print deltaList 

在这一点上，“修正”的值（即值之间和平均差）存储在deltaList。以下部分逐一对所有图像应用此更正。

for k in range(1, num_images + 1):  # for loop runs from image number 1 thru 20 
    a = str(k) 
    if len(a) == 1: a = '0' + str(k)  # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc. 
    image_name = 'twenty/' + a + '.jpg' 
    img_file = Image.open(image_name) 
    img_file = img_file.convert('RGB')  # converts image to RGB format 
    pixels = img_file.load()    # creates the pixel map 
    for i in range (img_file.size[0]): 
     for j in range (img_file.size[1]): 
     r, g, b = img_file.getpixel((i,j)) # extracts r g b values for the i x j th pixel 
     pixels[i,j] = (r+int(deltaList[k]), g+int(deltaList[k]), b+int(deltaList[k])) # re-creates the image 
    j = str(k) 
    new_image_name = 'twenty/' +'image' + j + '.jpg'  # creates a new filename 
    img_file.save(new_image_name)       # saves output to new file name