（1）直方图均衡。读入lena_gray.tif图像文件，画出其直方图，并解释之；对图像进行直方均衡，显示均衡后的图像及其直方图，并解释之；将均衡后的图像存为lena_gray_1.tif文件。再将lena_gray_1文件读入并重复上述过程，说明图像增强效果并解释之。
#include #include #include"time.h" #include #include using namespace std; using namespace cv; int main( ) { Mat srcImage, dstImage; srcImage = imread("image/lena.tif",IMREAD_GRAYSCALE); imshow("【原图】", srcImage); /* 调本地彩色图片时用 Mat src_gray; cvtColor(srcImage, src_gray, COLOR_BGR2GRAY); imshow("【灰度图】", src_gray); */ //需要计算图像的哪个通道（bgr空间需要确定计算 b或g或r空间） const int channels[1] = { 0 }; //直方图的每一个维度的 柱条的数目（就是将灰度级分组） int histSize[] = { 256 }; //如果这里写成int histSize = 256; 那么下面调用计算直方图的函数的时候，该变量需要写 &histSize //定义一个变量用来存储 单个维度 的数值的取值范围 float midRanges[] = { 0, 256 }; //确定每个维度的取值范围，就是横坐标的总数 const float *ranges[] = { midRanges }; //输出的结果存储的 空间 ，用MatND类型来存储结果 MatND表示多为矩阵在opencv2.2后统一用Mat MatND dstHist; calcHist(&srcImage, 1, channels, Mat(), dstHist, 1, histSize, ranges, true, false); //calcHist 函数调用结束后，dstHist变量中将储存了 直方图的信息 用dstHist的模版函数 at(i)得到第i个柱条的值 at(i, j)得到第i个并且第j个柱条的值 //首先先创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像 Mat drawImage = Mat::zeros(Size(300, 256), CV_8UC3); //一个图像的某个灰度级的像素个数（最多为图像像素总数），可能会超过显示直方图的所定义的图像的尺寸，因此绘制直方图的时候，让直方图最高的地方只有图像高度的90%来显示 //先用minMaxLoc函数来得到计算直方图后的像素的最大个数 double g_dHistMaxValue; minMaxLoc(dstHist, 0, &g_dHistMaxValue, 0, 0); //遍历直方图得到的数据 for (int i = 0; i < 256; i++) { int value = cvRound(256 * 0.9 *(dstHist.at(i) / g_dHistMaxValue)); line(drawImage, Point(i, drawImage.rows - 1), Point(i, drawImage.rows - 1 - value), Scalar(255, 0, 0)); } imshow("【原图像的直方图】", drawImage); //*****直方图均衡化 equalizeHist(srcImage, dstImage); //直方图均衡化 imwrite("../Images\\lena_gray_1.tif",dstImage);//图片保存到本工程目录中 String windowNameHist = "【直方图均衡化后图像】"; namedWindow(windowNameHist, WINDOW_AUTOSIZE); //显示图像 imshow(windowNameSrc, srcImage); imshow(windowNameHist, dstImage); //显示直方图均衡化后图像 const int channels1[1] = { 0 }; //直方图的每一个维度的 柱条的数目（就是将灰度级分组） int histSize1[] = { 256 }; //定义一个变量用来存储 单个维度 的数值的取值范围 float midRanges1[] = { 0, 256 }; //确定每个维度的取值范围，就是横坐标的总数 const float *ranges1[] = { midRanges1 }; //输出的结果存储的 空间 ，用MatND类型来存储结果 MatND dstHist1; calcHist(&dstImage, 1, channels1, Mat(), dstHist1, 1, histSize1, ranges1, true, false); //calcHist 函数调用结束后，dstHist变量中将储存了 直方图的信息 用dstHist的模版函数 at(i)得到第i个柱条的值 at(i, j)得到第i个并且第j个柱条的值 //首先先创建一个黑底的图像，绘制图像是一个8位的3通道图像，可以显示彩色图像 直方图 Mat drawImage2 = Mat::zeros(Size(300, 256), CV_8UC3);//彩色直方图 //Mat drawImage2 = Mat::zeros(Size(256, 256), CV_8UC1);//单通道灰度直方图 //先用minMaxLoc函数来得到计算直方图后的像素的最大个数 double g_dHistMaxValue1; minMaxLoc(dstHist1, 0, &g_dHistMaxValue1, 0, 0); //遍历直方图得到的数据 for (int i = 0; i < 256; i++) { int value = cvRound(256 * 0.9 *(dstHist1.at(i) / g_dHistMaxValue1)); line(drawImage2, Point(i, drawImage2.rows - 1), Point(i, drawImage2.rows - 1 - value), Scalar(255,0,0));//直方图颜色Scalar和背景色相加 } String w = "均衡化后图像的直方图"; namedWindow(w, WINDOW_AUTOSIZE); imshow(w, drawImage2); Mat SecImage,Image2; SecImage = imread("../Images/origin/lena_gray_1.tif",IMREAD_GRAYSCALE); waitKey(0); return 0; }
运行效果如下：
图像的直方图及其均衡对比
