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