#include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include#include using namespace cv; using namespace std; /** @function main */ int main(int argc, char** argv) { Mat src, dst; /// 加载源图像 src = imread("D://b.png", 1); if (!src.data) { cout << "Usage: ./Histogram_Demo " << endl; return -1; } /// 转为灰度图 cvtColor(src, src, CV_BGR2GRAY); /// 应用直方图均衡化 equalizeHist(src, dst); /// 创建窗口 namedWindow("Source", CV_WINDOW_AUTOSIZE); namedWindow("equalized", CV_WINDOW_AUTOSIZE); //显示结果 imshow("Source", src); imshow("equalized", dst); /// 等待用户按键退出程序 waitKey(0); return 0; }
马上就要开会了，小编刚接触opencv就要给小伙伴们讲直方图均衡化了，有点小紧张，还是先做个笔记吧。
首先，直方图是什么？
直方图是图像中像素强度分布的图形表达方式，它统计了每一个强度值所具有的像素个数，描述了图像灰度值。
像素：一幅图像是由许多的小格子组成的，这些小格子就是像素点，像素点组成像素。
像素强度：0~255之间的值。在灰度图像中，它是图像的灰度值。
如图所示，横坐标的值即像素强度从0到255，从暗到亮，左暗右亮，左边用于描述图像的暗度，右边用于描述图像的亮度。纵坐标表示像素量，峰值高则像素量多，峰值低则像素量少。
图上的直方图说明，左边图像中暗的和亮的像素比较少，灰的像素比较多。
再给大家举两个例子：
然后，直方图均衡化是什么？
https://blog.csdn.net/zhulf0804/article/details/52770613
直方图均衡化是通过拉伸像素强度分布范围来增强图像对比。
说得更清楚一些, 以上面的直方图为例，你可以看到像素主要集中在中间的一些强度值上。直方图均衡化要做的就是拉伸这个范围。见下面左图：绿圈圈出了少有像素分布其上的强度值。对其应用均衡化后，得到了中间图所示的直方图。均衡化的图像见下面右图。把图像变换成像素值是几乎均匀分布的图像。
对比度：一幅图中灰度反差的大小。对比度 = 最大亮度/最小亮度。
最后，直方图均衡化是怎么做到的？ （三步）
第一步：把直方图的每个灰度级进行归一化处理。
先说一下涉及到基本概念。
灰度：灰度是表明图像明暗的数值，即黑白图像中点的颜色深度，范围一般从0到255，白色为255 ，黑色为0，故黑白图片也称灰度图像。灰度值指的是单个像素点的亮度。灰度值越大表示越亮。
灰度化：R=B=G。
灰度值与像素值的关系：一张灰度图像的像素值就是它的灰度值。一张彩色图像的灰度值需要经过函数映射来得到。
灰度级：灰度级表明图像中不同灰度的最大数量。灰度级越大，图像的亮度范围越大。
归一化：https://www.cnblogs.com/curo0119/p/8421811.html
https://blog.csdn.net/lanmeng_smile/article/details/49903865
归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。
归一化函数normalize()，归一化之后所有的像素值都在［0，1］区间内。
第二步：求每种灰度的累积分布，得到一个映射的灰度映射表。
累积分布函数是单调增函数，并且值域是0到1。
https://www.cnblogs.com/tianyalu/p/5687782.html
用以下公式计算累积分布：
其中，n是图像中像素的总和，nk是当前灰度级的像素个数，L是图像中可能的灰度级总数。
假设有如下图像：
得到的图像统计信息如下图所示，并根据统计信息完成灰度值映射：
概率 = 像素个数 / 图像总的像素个数。如：0.25 = 4 / 16，0.1875 / 16。
累积概率=概率的前k项之和。k是灰度级。如：第一行是0.25，第二行是0.25+0.1875=0.4375。第三行是0.25+0.1875+0.4375=0.75。
映射后的灰度值=累积概率*255。如：0.25*255=63.75。0.4375*255=111.5625。
映射后的图像如下所示：
第三步：根据相应的灰度值来修正原图中的每个像素。
代码附上，直接调用opencv中的equalizeHist( )函数，就能实现直方图的均衡化。
