直方图

在ITPUB 上看到一个帖子 http://www.itpub.net/thread-1875212-1-1.html 同一条SQL语句，只有查询条件不一样，查询返回的结果集都为0，一个走了全表扫描，一个走索引。查看全表扫描的SQL语句： SQL走全表，产生了2422609个逻辑读，cost为535K SQL> SELECT URL,YHZH,HFRZY,HFLR,SPURL,TPURL,YPURL,SCSJ,LY,JCSJ FROM YHXX_HFXX T 2 WHERE T.URL='http://club.kdnet.net/dispbbs.asp?id=10165509_boardid=1' 3 / no rows selected Execution Plan ---------------------------------------------------------- Plan hash value: 2068618995 ------------------------------------------------------------------------------- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time | --------------------------------

1. 基本原理 通过一个变换，将输入图像的灰度级转换为`均匀分布`，变换后的灰度级的概率密度函数为 $$P_s(s) = \frac{1}{L-1}$$ 直方图均衡的变换为 $$s = T(r) = (L-1)\int_0^r {P_r(c)} \,{\rm d}c $$ $s$为变换后的灰度级，$r$为变换前的灰度级 $P_r(r)$为变换前的概率密度函数 2. 测试结果 图源自skimage 3.代码 1 import numpy as np 2 3 def hist_equalization(input_image): 4 ''' 5 直方图均衡（适用于灰度图） 6 :param input_image: 原图像 7 :return: 均衡后的图像 8 ''' 9 output_imgae = np.copy(input_image) # 输出图像，初始化为输入 10 11 input_image_cp = np.copy(input_image) # 输入图像的副本 12 13 m, n = input_image_cp.shape # 输入图像的尺寸（行、列） 14 15 pixels_total_num = m * n # 输入图像的像素点总数 16 17 input_image_grayscale_P = [] # 输入图像中各灰度级出现的概率，亦即输入图像直方图