使用 Python 图像库 (PIL) 标准化一组图像的直方图（亮度和对比度）

我有一个脚本，它使用 Google Maps API 下载一系列大小相等的方形卫星图像并生成 PDF。图像需要事先旋转，我已经使用 PIL 这样做了。

我注意到，由于光线和地形条件不同，有些图像太亮，有些图像太暗，生成的pdf结果有点难看，“在野外”（即偏远地区）的阅读条件不太理想山地自行车，我想要打印特定十字路口的缩略图）。

（编辑）然后的目标是使所有图像最终具有相似的表观亮度和对比度。因此，太亮的图像必须变暗，而太暗的图像必须变亮。 （顺便说一下，我曾经使用过imagemagickautocontrast, or auto-gamma, or equalize, or autolevel，或类似的东西，在医学图像中产生有趣的结果，但不知道如何在 PIL 中执行这些操作）。

转换为灰度后我已经使用了一些图像校正（以前有一台灰度打印机），但结果也不好。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

该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“标准化”它们的视觉属性（对比度、亮度、伽玛等）。

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

有人遇到过这样的问题和/或知道一个好的替代方法来处理彩色图像（无灰度）吗？

任何帮助将不胜感激，感谢您的阅读！

您可能正在寻找一个执行“直方图拉伸”的实用程序。这是一种实现 http://effbot.org/zone/pil-histogram-equalization.htm。我确信还有其他人。我认为您想要保留原始色调并在所有色带上统一应用此函数。

当然，有些瓷砖在连接处的水平面很可能会出现明显的不连续性。然而，避免这种情况将涉及“拉伸”参数的空间插值，并且是一个更复杂的解决方案。 （...但如果有这种需要，这将是一个很好的练习。）

Edit:

这是保留图像色调的调整：

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)