OpenCV-Python直方图均衡化实现图像去雾

林见深

发布时间：2026-10-14| 5人浏览过

原创

本文介绍利用OpenCV-Python中的cv2.equalizeHist()函数进行直方图均衡化，以实现灰度及彩色图像的去雾处理。通过分别处理单通道灰度图与多通道彩色图的RGB分量，展示如何增强图像显示效果并对比处理前后的直方图分布。

直方图均衡化

直方图均衡化的核心目标是将原始图像的灰度级均匀映射至整个灰度范围，从而生成灰度分布均衡的图像。这种处理方式不仅实现了灰度值在统计概率上的均衡，同时也符合人类视觉系统（HSV）对视觉均衡的感知需求。

通常情况下，直方图均衡化能够有效增强图像的显示效果，其中去雾是最典型的应用场景之一。接下来，我们将分别演示灰度图像与彩色图像的去雾实现过程。

实现灰度图像去雾

OpenCV库提供了cv2.equalizeHist()函数用于执行直方图均衡化，其完整函数定义如下：


def equalizeHist(src, dst=None):

src：原始图像，必须为8位单通道图像

dst：返回值，即经过直方图均衡化处理后的结果图像

接下来，我们利用该函数对灰度图像进行直方图均衡化处理，具体代码实现如下：


import cv2
import matplotlib.pyplot as plt

img = cv2.imread("45.jpg", 0)
equ = cv2.equalizeHist(img)

cv2.imshow("1",img)
cv2.imshow("2",equ)
plt.figure("原始图像直方图")
plt.hist(img.ravel(), 256)
plt.figure("均衡化图像直方图")
plt.hist(equ.ravel(), 256)
plt.show()

cv2.waitKey()
cv2.destroyAllWindows()

运行上述代码后，效果如下所示：

左侧为原始图像，右侧为处理后的图像。可以观察到，图像前景中的雾气基本已被去除。为了进一步验证效果，我们对比处理前后的直方图分布情况。

实现彩色图像去雾

尽管上述灰度图像处理已具备基本的去雾效果，但在实际应用场景中，彩色图像的使用频率远高于灰度图像。因此，掌握彩色图像的直方图均衡化处理技术，才是具备实战价值的关键技能。

下面通过代码实现彩色图像的直方图均衡化处理，代码如下：


import cv2
import matplotlib.pyplot as plt

img = cv2.imread("50.jpg")

blue = img[:, :, 0]
green = img[:, :, 1]
red = img[:, :, 2]
blue_equ = cv2.equalizeHist(blue)
green_equ = cv2.equalizeHist(green)
red_equ = cv2.equalizeHist(red)
equ = cv2.merge([blue_equ, green_equ, red_equ])

cv2.imshow("1",img)
cv2.imshow("2",equ)
plt.figure("原始图像直方图")
plt.hist(img.ravel(), 256)
plt.figure("均衡化图像直方图")
plt.hist(equ.ravel(), 256)
plt.show()

cv2.waitKey()
cv2.destroyAllWindows()

在此过程中，我们只需对彩色图像的各个颜色通道分别调用equalizeHist()函数进行均衡化处理即可。需要注意的是，处理完各个颜色通道后，必须将图像重新合并。运行后的效果如下所示：