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下载一系列大小相等的正方形卫星图像并生成PDF。图像需要事先旋转，我已经用PIL做了。

我注意到，由于光线和地形条件的不同，一些图像太亮，另一些太暗，生成的pdf文件最后有点难看，不太理想的阅读条件“在外地”（这是越野山地自行车，我想在那里有一个特定十字路口的打印缩略图）。

（编辑）目标是使所有的图像以相似的亮度和对比度结束。所以，太亮的图像必须变暗，而黑暗的图像必须变亮。（顺便说一句，我曾经使用imagemagickautocontrast，或者auto-gamma，或者equalize，或者autolevel，或者类似的东西，在医学图像中有有趣的结果，但是不知道如何在PIL中进行这些操作）。

在转换成灰度后我已经使用了一些图像校正（以前有一个灰度打印机），但是结果也不好。这是我的灰度代码：

#!/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

此代码对每个图像独立工作。我想知道是否最好先分析所有图像，然后“规范化”它们的视觉特性（对比度、亮度、伽马等）。

另外，我认为有必要在图像中进行一些分析（直方图？），以便根据每个图像应用自定义校正，而不是对所有图像应用相等的校正（尽管任何“增强”函数隐式地考虑初始条件）。

有没有人有这样的问题和/或知道一个很好的选择，这样做的彩色图像（没有灰度）？

感谢您的帮助，谢谢阅读！

Answer 1

您可能正在寻找的是一个实用程序，执行“直方图拉伸”。Here is one implementation。我肯定还有其他人。我想你想保留原来的色调，并在所有色带上均匀地应用这个功能。

当然，很有可能有些瓷砖在其接合处的水平面会有明显的不连续性。然而，避免这种情况会涉及到“拉伸”参数的空间插值，这是一个更复杂的解决方案。（……但如果有必要的话，这将是一个很好的锻炼。）

编辑：

这里有一个保持图像色调的调整：

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)