OpenCV灰度图的直方图均衡化 C++

•    图像直方图的定义1：

         一个灰度级在范围[0，L-1]的数字图像的直 方图是一个离散函数

            h(rk)= nk ，

        nk是图像中灰度级为rk的像素个数， rk 是第k个灰度级，k = 0,1,2,…,L-1

        由于rk的增量是1，直方图可表示为： p(k)= nk 即，图像中不同灰度级像素出现的次数。

•    图像直方图的定义2：

      一个灰度级在范围[0，L-1]的数字图像的直 方图是一个离散函数

                   p(rk)= nk/n

       n 是图像的像素总数

      nk是图像中灰度级为rk的像素个数 ，  rk 是第k个灰度级，k = 0,1,2,…,L-1

其中，定义（2）

            ✓ 使函数值正则化到[0,1]区间，成为实数函 数

            ✓ 函数值的范围与象素的总数无关

            ✓ 给出灰度级rk在图像中出现的概率密度统计

直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。

绘制一幅灰度图的直方图

代码如下：

#include
#include

#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"

using namespace cv;
using namespace std;

const char* keys =
{
    "{help h usage ? | | print this message}"
        "{@image | | Image to process}"
};

Mat equalize_img( Mat &src_img )
{
    Mat result;
    equalizeHist( src_img, result );
    return result;
}

Mat show_img_histogram( Mat &src_img )
{
    //create 256 subinterval
    //the number of possibles values
    int numbins = 256;

    //set the range for BGR(0-256)
    float range[] = { 0, 256};
    const float* histRange = { range };

    Mat gray_hist;
    calcHist( &src_img, 1, 0, Mat(), gray_hist, 1, &numbins, &histRange );

    //draw histogram
    //draw lines for each channels
    int width = 512;
    int height = 300;

    // Create image with gray base
    Mat histImage( height, width, CV_8UC3, Scalar(20, 20, 20) );

    // Normalize the histograms to height of image
    normalize(gray_hist, gray_hist, 0, height, NORM_MINMAX );

    int binStep= cvRound((float)width/(float)numbins);
    for( int i=1; i< numbins; i++){
        line(
            histImage,
            Point( binStep*(i-1), height-cvRound(gray_hist.at(i-1) ) ),
            Point( binStep*(i), height-cvRound(gray_hist.at(i) ) ),
            Scalar(255,0,0)
            );
    }
    return histImage;
}

int main( int argc, char* argv[] )
{
    CommandLineParser parser(argc, argv, keys);
    parser.about("Chapter 4. PhotoTool v1.0.0");
    //If requires help show
    if (parser.has("help")){
        parser.printMessage();
        return 0;
    }

    String imgFile= parser.get(0);

    // Check if params are correctly parsed in his variables
    if (!parser.check()){
        parser.printErrors();
        return 0;
    }

    // Load image to process
    Mat img= imread(imgFile);
    if( !img.data ){
        fprintf( stderr, "Can't read image\n" );
        return -1;
    }
    Mat srcGray;
    cv::cvtColor(img, srcGray, CV_BGR2GRAY);

    Mat histo1 = show_img_histogram(srcGray);
    Mat equai1 = equalize_img(srcGray);
    Mat histo2 = show_img_histogram(equai1);

    // Show image
    namedWindow("Input");
    imshow("Input", srcGray);
    imshow("histo1", histo1);
    imshow("equai1", equai1);
    imshow("histo2", histo2);

    waitKey(0);
    return 0;

}

效果如下：