我的OpenCV学习笔记（13）：计算直方图，利用查找表拉伸直方图，直方图均衡

一些头文件：

#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;

 

首先建立一个类：

class Histogram1D
{
private:
	
	//直方图的点数
	int histSize[1];
	//直方图的范围
	float hranges[2];
	//指向该范围的指针
	const float* ranges[1];
	//通道
	int channels[1];
	

public:
	//构造函数
	Histogram1D()
	{
		 histSize[0] = 256;
		 hranges[0] = 0.0;
		 hranges[1] = 255.0;
		 ranges[0] = hranges;
		 channels[0] = 0;

	}

 

在OpenCV中，使用calcHist计算直方图

	Mat getHistogram(const Mat &image)
	{
		Mat hist;
		//计算直方图函数
		//参数为：源图像（序列）地址，输入图像的个数，通道数，掩码，输出结果，直方图维数，每一维的大小，每一维的取值范围
		calcHist(&image,1,channels,Mat(),hist,1,histSize,ranges);

		return hist;
	}

但是，返回的结果并不是我们希望的“直方图”，hist只是记录了每个bin下的像素个数。我们需要自己利用line函数画图：

	Mat getHistogramImage(const Mat &image)
	{
		//首先计算直方图
		Mat hist = getHistogram(image);

		//获取最大值和最小值
		double maxVal = 0;
		double minVal = 0;
		//minMaxLoc用来获得最大值和最小值,后面两个参数为最小值和最大值的位置，0代表不需要获取
		minMaxLoc(hist,&minVal,&maxVal,0,0);
		//展示直方图的画板：底色为白色
		Mat histImg(histSize[0],histSize[0],CV_8U,Scalar(255));

		//将最高点设为bin总数的90%
		int hpt = static_cast(0.9*histSize[0]);
		//为每一个bin画一条线
		for(int h = 0; h < histSize[0];h++)
		{
			float binVal = hist.at(h);
			int intensity = static_cast(binVal*hpt/maxVal);
			//int intensity = static_cast(binVal);
			line(histImg,Point(h,histSize[0]),Point(h,histSize[0]-intensity),Scalar::all(0));
			
		}
		return histImg;
	}

函数中对亮度进行了“压缩”，主要目的是让直方图能够更好的显示在画板上。

查找表，就是一个一对一或者多对一函数，指定了一个亮度经过查找表以后变成另外一个像素。在OpenCV中，使用LUT函数来实现

	Mat applyLookUp(const Mat& image,const Mat& lookup)
	{
		Mat result;
		LUT(image,lookup,result);
		return result;
	}

 

而变化的具体内容，依赖于你自己定义的查找表，比如，如果你想让查找表的结果为当前图像的翻转，可以在main函数中定义查找表为：

	//用查找表翻转图像灰度
	int dim(256);
	Mat lut(1,&dim,CV_8U);
	
	for(int i = 0; i < 256; i++)
	{
		lut.at(i) = 255-i;
	}
	imshow("灰度翻转后的图像",h.applyLookUp(image,lut));

当你想让图像经过查找表以后直方图拉伸，变得效果好一点，可以这样：

将个数低于指定数目（默认为0）的bin舍去，剩下的最小值变为0，最大值变为255，中间的部分线性拉伸：

	Mat strech(const Mat &image,int minValue = 0)
	{
		//首先计算直方图
		Mat hist = getHistogram(image);
		//左边入口
		int imin = 0;
		for(;imin< histSize[0];imin++)
		{
			cout<(imin)<(imin) > minValue)
				break;

		}
		//右边入口
		int imax = histSize[0]-1;
		for(;imax >= 0; imax--)
		{
			if(hist.at(imax) > minValue)
				break;
		}

		//创建查找表
		int dim(256);
		Mat lookup(1,&dim,CV_8U);
		
		for(int i = 0; i < 256; i++)
		{
			if(i < imin)
			{
				lookup.at(i) = 0;
			}
			else if(i > imax)
			{
				lookup.at(i) = 255;
			}
			else
			{
				lookup.at(i) = static_cast(255.0*(i-imin)/(imax-imin)+0.5);
			}
		}
		Mat result;
		result = applyLookUp(image,lookup);
		return result;

	}

当然，这样的效果还不是最好的，最好的均衡应该使得直方图非常平缓，每个bin中的数目差不多，在OpenCV中，使用equalizeHist函数可以实现直方图均衡功能：

	Mat equalize(const Mat &image)
	{
		Mat result;
		equalizeHist(image,result);
		return result;
	}

有了上面定义的类，我们main函数就变得简单多了：

#include "histogram.h"

int main()
{
	//以灰度方式读取图像
	Mat image = imread("D:/picture/images/group.jpg",0);
	imshow("源灰度图像",image);
	if (!image.data)
		return -1;
	Histogram1D h;
	imshow("直方图",h.getHistogramImage(image));

	//用查找表翻转图像灰度
	int dim(256);
	Mat lut(1,&dim,CV_8U);
	
	for(int i = 0; i < 256; i++)
	{
		lut.at(i) = 255-i;
	}
	imshow("灰度翻转后的图像",h.applyLookUp(image,lut));

	//用查找表拉伸图像灰度值
	//忽略那些个数少于100个像素的bin
	Mat strech = h.strech(image,100);
	imshow("拉伸后的图像",strech);
	imshow("拉伸后的直方图",h.getHistogramImage(strech));

	//图像均衡
	Mat afterEqualize = h.equalize(image);
	imshow("均衡后的解果",afterEqualize);
	imshow("均衡后的直方图",h.getHistogramImage(afterEqualize));
	waitKey(0);
	return 0;
}

由于画的图比较多，这里就不贴结果了。