Нормализация яркости/гистограммы для изображений с временной задержкой

Question

Я работаю в лаборатории, и мы часто делаем временные интервалы (изображение каждый час) стволовых клеток. Нынешняя идея состоит в том, чтобы объединить все фреймы и сделать видео, показывающее эти растущие ячейки (аналогично этому youtube video). Что можно было сделать простым и приятным с помощью OpenCV + Python.

import numpy as np 
import os 
import cv2 

fourcc = cv2.VideoWriter_fourcc(*'XVID') 
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480)) 

timelapse_folder = '../myTimeLapse/' 

for file in os.listdir(timelapse_folder): 
    frame = cv2.imread(timelapse_folder+file, 0) 
    out.write(frame) 

out.release() 

Но у нас есть проблема, что все изображения отличаться немного яркости, поэтому мы получаем некоторое мерцание в нашем видео выход.

Я не разрешено загружать видео, но вот несколько простых примеров, сгенерированные с садомазо визуализировать проблему:

Это видео я получаю от кадров

и это мое желаемое видео (было бы также полезно минимизировать мерцание вместо полного его удаления)

Есть ли способ настроить гистограмму или яркость по всем изображениям (или, возможно, между двумя изображениями), чтобы удалить эти мерцания с помощью OpenCV?

Спасибо за любую идею или подсказку!

Edit: GIF последовательность производства идеи Эндрю (Ответ ниже)

Answer 1

Если ваши данные находятся в трехмерном массиве, вам не нужно зацикливаться на нем, чтобы сделать это. С 5 изображениями, скажем 256 х 256, вы должны иметь возможность построить массив, который равен arr.shape == (256, 256, 5). Мой первоначальный комментарий был немного от меня, я думаю, но нижеследующий пример должен это сделать.

target_array = [] 

for file in os.listdir(timelapse_folder): 
    frame = cv2.imread(timelapse_folder+file, 0) 
    if target_array:#Not entirely happy with this, but it should work 
     target_array = np.dstack((target_array, frame)) 
    elif not target_array: 
     target_array = np.asarray(frame) 
target_array = target_array/np.max(target_array) 
#target_array *= 255 #If you want an intensity value with a more common range here 
for idx in xrange(target_array.shape[2]): 
    out.write(target_array[:, :, idx]) 

EDIT: Я использовал this page сглаживать некоторые перегибы с обращаясь к 3D массив

Answer 2

Являются ли эти изображения RGB или серые значения? Я бы просто выполнить нормализацию в цикле после прочтения каждого кадра:

frame = frame/np.max(frame) 

В случае серых значений, каждое изображение должно затем иметь значение между 0 и 1, но в зависимости от того, как изображения выглядят, как вы могли бы также попробовать другие нормировки , например используя np.median или np.mean вместо np.max.