基于OpenCV C++直方图均衡化

直方图均衡化试图活得具有均匀分布值的直方图。
均衡的结果是图像对比度的增强。均衡能使对比度较低的局部区域获得高对比度，从而分散最频繁的强度。当图像非常暗或者非常亮，并且背景和前景之间存在非常小的差异时，此方法非常有效。通过使用直方图均衡化，可以增加对比度，并提升暴露过度或暴露不足的细节，该技术在医学图像（eg.X射线）中非常有用。
然而，这种方法也有两个缺点：背景噪声的增强以及随之而来的有用信息的减少，同时在增加图像对比度时，直方图会发生变化和扩散。

相关算法的实现如下，详情请看注释~

#include 
#include 

using namespace std;
using namespace cv;

//显示直方图
void showHist(Mat &img,Mat &dst)
{
     
	//1、创建3个矩阵来处理每个通道输入图像通道。
	//我们用向量类型变量来存储每个通道，并用split函数将输入图像划分成3个通道。
	vector<Mat>bgr;
	split(img, bgr);

	//2、定义直方图的区间数
	int numbers = 256;

	//3、定义变量范围并创建3个矩阵来存储每个直方图
	float range[] = {
      0,256 };
	const float* histRange = {
      range };
	Mat b_hist, g_hist, r_hist;

	//4、使用calcHist函数计算直方图
	int numbins = 256;
	calcHist(&bgr[0], 1, 0, Mat(), b_hist, 1, &numbins, &histRange);
	calcHist(&bgr[1], 1, 0, Mat(), g_hist, 1, &numbins, &histRange);
	calcHist(&bgr[2], 1, 0, Mat(), r_hist, 1, &numbins, &histRange);

	//5、创建一个512*300像素大小的彩色图像，用于绘制显示
	int width = 512;
	int height = 300;
	Mat histImage(height, width, CV_8UC3, Scalar(20, 20, 20));

	//6、将最小值与最大值标准化直方图矩阵
	normalize(b_hist, b_hist, 0, height, NORM_MINMAX);
	normalize(g_hist, g_hist, 0, height, NORM_MINMAX);
	normalize(r_hist, r_hist, 0, height, NORM_MINMAX);

	//7、使用彩色通道绘制直方图
	int binStep = cvRound((float)width / (float)numbins);  //通过将宽度除以区间数来计算binStep变量

	for (int i = 1; i < numbins; i++)
	{
     
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(b_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(b_hist.at<float>(i))),
			Scalar(255, 0, 0)
		);
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(g_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(g_hist.at<float>(i))),
			Scalar(0, 255, 0)
		);
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(r_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(r_hist.at<float>(i))),
			Scalar(0, 0, 255)
		);
	}
	dst = histImage;
	return;
}

//直方图均衡化
void hist_equalization(Mat &img,Mat &dst)
{
     
	//1、使用cvtColor函数将BGR图像转至YCrCb
	Mat result, ycrcb;
	cvtColor(img, ycrcb, COLOR_BGR2YCrCb);

	//2、将YCrCb图像拆分为不同的通道矩阵
	vector<Mat> channels;
	split(ycrcb, channels);

	//3、使用equalizeHist函数均衡在Y通道中的直方图
	equalizeHist(channels[0], channels[0]);

	//4、合并生成的通道，并将其转换为BGR格式
	merge(channels, ycrcb);
	cvtColor(ycrcb, result, COLOR_YCrCb2BGR);
	
	dst = result;
	return;
}

int main()
{
     
	Mat src = imread("test.jpg");
	Mat histImage;
	namedWindow("src", 0);
	if (!src.data)
	{
     
		cout << "No src data!" << endl;
	}
	else
	{
     
		imshow("src", src);
	}

	showHist(src,histImage);
	imshow("src_histImage", histImage);
	imwrite("src_histImage.jpg", histImage);

	Mat equalization;
	hist_equalization(src, equalization);
	namedWindow("equalization", 0);
	imshow("equalization", equalization);
	imwrite("equalization.jpg", equalization);

	Mat hist_equal;
	showHist(equalization, hist_equal);
	imshow("hist_equal", hist_equal);
	imwrite("hist_equal.jpg", hist_equal);

	waitKey(0);
	return 0;
}

原图及其直方图显示：


直方图均衡化结果：

今天就到这里吧~
哈，快凌晨了。
好梦~