OpenCV之图像直方图均衡化

作为学习也是记录，我会从全新小白的角度阐述什么是直方图均衡化，以及如何实现。

我们将要处理的图片或许有些模糊，灰度值对比不明显，进行直方图均衡操作后显示效果会大大提升----------这是为什么要做直方图均衡。
从宏观上理解直方图均衡就是，将灰度值的分布重新映射到范围更加宽广的范围，这样就可以增加图像的对比度。---------这是怎么做直方图均衡。
在代码层实现就是将，该图像的灰度值进行统计，比如灰度值为1的像素点会有多少个（用数组统计），灰度值为2的会有多少个，以此类推，统计所有灰度值的个数。然后将各个灰度值的个数与总计的像素个数相比就得到了比例，接下来进行累加，灰度值为2的出现概率就包含了灰度值为1和2的和，然后再次对应到各个灰度值（与255相乘），就得到了全新的灰度值分配。---------这是具体操作。
现在给出有关代码：

（1）直方图

///***************************************************************/           
/*函数名称：histogram(float *tongji)                               
/*函数类型：void                                         
/*变量说明：tongji  灰度分布密度统计                                                        
/*功能：对图像进行灰度直方图统计。                     
/***************************************************************/
void histogram(float *tongji)
{
	// 循环变量
	int i;
	int j;
	// 灰度计数
	int huidu[256];    
	int wide,height;    //原图长、宽
	wide=this->GetWidth ();		 
	height=this->GetHeight ();
	// 变量初始化
	memset(huidu,0,sizeof(huidu));
	LPBYTE  temp1=new BYTE[wide*height];    //新图像缓冲区
	//拷贝原图像到缓存图像
	memcpy(temp1,m_pData,wide*height );
	// 对各像素进行灰度统计
	for (j = 0; j < height; j ++)
	{
		for (i = 0; i <wide; i ++)
		{
			unsigned char  temp = temp1[wide* j + i] ;
			// 灰度统计计数
			huidu[temp]++;
		}
	}
	// 计算灰度分布密度
	for(i=0;i<256;i++)
		tongji[i] = huidu[i] / (height * wide *1.0f);	
}

（2）直方图均衡

///***************************************************************/           
/*函数名称：equalhistogram()                                           
/*函数类型：void                                          
/*变量说明：无                                                               
/*功能：对图像进行灰度分布均衡化处理。                   
/***************************************************************/  
void equalhistogram()
{	
	// 循环变量
	LONG i;
	LONG j;
	//图像的宽和高
	LONG wide;
	LONG height;
	// 灰度分布密度
	float midu[256];
	// 中间变量
	float temp[256];
	int nDstGray[256];
	// 初始化
	memset(temp, 0, sizeof(temp));
	
	// 指向DIB象素指针
	LPBYTE p_data;
	// 找到DIB图像象素起始位置
	p_data = this->GetData();
	wide=this->GetWidth ();	
	// DIB的高度
	height = GetHeight();
	
	// 获取图像的灰度分布密度
	ZhiFangTu(midu);
	// 进行均衡化处理 
	for(i = 0; i < 256; i++)
	{
		if(i == 0)
		{
			temp[0] = midu[0];	 
		}
		else
		{
			temp[i] = temp[i-1] + midu[i];	 
		}
		nDstGray[i] = (int)(255.0f * temp[i] + 0.5f);
	}
	
	
	// 对各像素进行灰度转换
	for (j = 0; j < height; j ++)
	{
		for (i = 0; i < wide; i ++)
		{
			// 将转换后的灰度分布写入DIB图像，nDstGray[temp]为原灰度级变换后的灰度值
			unsigned char temp = *((unsigned char *)p_data + wide * j + i);
			*((unsigned char *)p_data + wide * j + i) = nDstGray[temp];			
		}
	}	
}

引用https://blog.csdn.net/andylanzhiyong/article/details/78024286