根据MATLAB的histeq函数改写的运行在OpenCV下的直方图规定化C源码!

据说，图像的直方图规定化比直方图均衡化用得更多，但是很奇怪的是OpenCV居然没有图像直方图规定化的源码！所以，我就有必要在OpenCV下写一个图像直方图规定化处理的函数，以方便将来使用。

我在网上找了几个直方图均稀化的源码，并基于OpenCV来改写这些源码，效果都不如MATLAB的histeq函数，这其中改写的艰辛与繁琐就不细说了。最后，没办法，只好学习MATALB的histeq函数源码，并对其进行基于OpenCV的改写。

虽然我最终改写成功了，但是对算法还是不太理解，只能按照MATLAB的帮助文档中对histeq的讲解，大致理解其原理，其解释如下：

When you supply a desired histogram hgram, histeq chooses the grayscale transformation T to minimize


where c0 is the cumulative histogram of A, c1 is the cumulative sum of hgram for all intensities k. This minimization is subject to the constraints that T must be monotonic(单调的) and c1(T(a)) cannot overshoot(超过) c0(a) by more than half the distance between the histogram counts at a. histeq uses the transformation b = T(a) to map the gray levels in X (or the colormap) to their new values.

在改写成功的基础上，我来试着翻译一下上面这段话哈：

对于histeq函数如果你提供了第二个参数，并且这个第二个参数是一个直方图向量，那么histeq函数将出计算一个映射T，用这个映射来将原图像的像素值映射到直方图匹配后的值。

这个映射T满足以下要求：

①保证是最小的，其中c0是要作直方图规定化的图像的直方图累积函数，c1则是标准直方图的直方图累积函数，

②T是单调递增的

③经过T映射之后，c1在a点的值不能直那家c0在a点值的一半

原理就讲上面这么多，下面给源码：

源码中所需图片的下载链接为：

coins.png http://pan.baidu.com/s/1slilbPF

rice.png  http://pan.baidu.com/s/1cDNVx8

先给把MATLAB的histeq函数中作直方图规定化的源码提取出来的源码吧：

clear all;
close all;
clc;
I1=imread('coins.png');
I2=imread('rice.png');

a=I1;

hgram=imhist(I2);

n = 256;
hgram = hgram*(numel(a)/sum(hgram));       % Set sum = numel(a)
m = length(hgram);

% [nn,cum] = computeCumulativeHistogram(a,n);
nn = imhist(a,n)';
cum = cumsum(nn);

% T = createTransformationToIntensityImage(a,hgram,m,n,nn,cum);
% Create transformation to an intensity image by minimizing the error
% between desired and actual cumulative histogram.

cumd = cumsum(hgram*numel(a)/sum(hgram));

tol = ones(m,1)*min([nn(1:n-1),0;0,nn(2:n)])/2;
err = (cumd(:)*ones(1,n)-ones(m,1)*cum(:)')+tol;
d = find(err < -numel(a)*sqrt(eps));
if ~isempty(d) %如果d为空 那么isempty的值为1,~isempty的值为0,则不会执行这个if语句
   err(d) = numel(a)*ones(size(d));
end
[dum,T] = min(err); %
T = (T-1)/(m-1);%这是把灰度级由1到256变为0到255
T=T*255; %T中存储的是灰度级映射关系，比如50的值为44，则代表原图中灰度级为49的像素新的灰度级为44

可出最后经直方图规定化处理后的图像的MATLAB源码如下：

clear all;
close all;
clc;
I1=imread('coins.png');
I2=imread('rice.png');
histv=imhist(I2);
histv=histv';
fid=fopen('C:\Users\Administrator\Documents\MATLAB\histv3.txt','wt');  
fprintf(fid,'%g ',histv);  
fclose(fid); 
histv=histv';%再转置回来,下面要用
J=histeq(I1,histv);
ranghistv=histv./65536;

histI1=imhist(I1);

subplot(1,2,1);
imshow(I1);
subplot(1,2,2);
imshow(J);

再给OpenCV环境下的C代码源码：

#include <opencv2/opencv.hpp>  
#include <opencv2/legacy/compat.hpp> 
#include <fstream>
using namespace std;  
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")  


void mycvCalcHist(IplImage *img,double out_hist[256])//自己写的直方图计算函数
{
	int i=0, j=0;  
	double temp1=0;
	int temp2=0;
    const int hist_sz = 256;//0到255，一共256个灰度值  
    double hist[hist_sz];  
    memset(hist, 0, sizeof(hist));       
    for( i = 0; i < img->height; i++ )  
    {  		
        for( j = 0; j < img->width; j++ )  
		{	temp1=cvGet2D(img,i,j).val[0];
			temp2=int(temp1);//作类型转换
            hist[temp2]++; //这里实现了hist中存储各灰度值出现的次数  
		}
    }  

	memcpy(out_hist,hist, sizeof(hist)); //肯定有人要问,为啥不用数组名作为参数传递从而改变实参数组的值
										 //这种方法一般情况下都可以,我也测试了,然而这里就是不行,我估计与
										 //memset(hist, 0, sizeof(hist));这句语句有关

}

void my_hist_specification(IplImage *a,IplImage *I2)//a是源图像的指针,I2是a作直方图规定化所需的标准直方图对应图像的指针
{	

	int i=0;
	int j=0;
	int n=256;

	// 计算图像的灰度直方图  
	double hgram[256];
	mycvCalcHist(I2,hgram);
	double nn[256];
	mycvCalcHist(a,nn);

	//相当于M中的hgram = hgram*(numel(a)/sum(hgram));  
	double sum_hgram=0;
	for(i = 0; i < 256; i++) 
		sum_hgram=sum_hgram+hgram[i];
	double M_a,N_a;
	M_a=a->height;
	N_a=a->width;	
	double numel_a;
	numel_a=M_a*N_a;	
	double numel_aDivsum_hgram;
	numel_aDivsum_hgram=numel_a/sum_hgram; 
	for(i = 0; i < 256; i++)   
    hgram[i] = hgram[i]*numel_aDivsum_hgram ; 
	
	//相当于m = length(hgram);
	int m;
	m=256;
	
	//相当于cum = cumsum(nn);
	double cum[256];
	double val_1=0;
	int index;
	for (index = 0; index<256; index++)
	{			
		val_1 = val_1+nn[index];		
		cum[index] = val_1; 
	}

	//相当于cumd = cumsum(hgram*numel(a)/sum(hgram));
	double cumd[256];
	double cumd_temp1[256];
	double cumd_temp2;
	sum_hgram=0;
	for(i = 0; i < 256; i++) 
		sum_hgram=sum_hgram+hgram[i];
	cumd_temp2=numel_a/sum_hgram;
	for(i = 0; i < 256; i++) 
		cumd_temp1[i]=hgram[i]*cumd_temp2;
	val_1=0;
	for (index = 0; index<256; index++)
	{			
		val_1 = val_1+cumd_temp1[index];		
		cumd[index] = val_1; 
	}

	//相当于tol = ones(m,1)*min([nn(1:n-1),0;0,nn(2:n)])/2;
	double tol_temp1[256];
	for(index = 0; index<256; index++)
		tol_temp1[index]=nn[index]/2;
	tol_temp1[0]=0;
	tol_temp1[255]=0;
	static double tol[256][256];
	for(index = 0; index<256; index++)
	memcpy(tol[index],tol_temp1, sizeof(tol_temp1)); //这里值是正确的，相当于对tol_temp1作了行复制；

	//相当于err = (cumd(:)*ones(1,n)-ones(m,1)*cum(:)')+tol;
	static double err_1[256][256];	
	for(i=0;i<256;i++)
		for(j=0;j<256;j++)
			err_1[i][j]=cumd[i];   //这里值是正确的，对cumd作了列复制；二次检查也无误

	static double err_2[256][256];
	for(index = 0; index<256; index++)
	memcpy(err_2[index],cum, sizeof(cum)); //这里值是正确的，对cum作了行复制
	static double err[256][256];
	for(i=0;i<256;i++)
		for(j=0;j<256;j++)
			err[i][j]=err_1[i][j]-err_2[i][j]+tol[i][j];

	//相当于d = find(err < -numel(a)*sqrt(eps));
	double matlab_eps= 1.4901e-008;
	double find_err_temp1=-numel_a*matlab_eps;
	int k=0;
	int breakvari=0;
	double watch_err;
	for(i=0;i<256;i++)  //这里是按列遍历，不是按行遍历
	{	
		for(j=0;j<256;j++)
			if(err[j][i]<find_err_temp1)
			{	watch_err=err[j][i];	
				k++;
			}
	}
	double *d = (double *)malloc(k*sizeof(double));
	k=0;
	for(i=0;i<256;i++)  //这里是按列遍历，不是按行遍历
	{	
		for(j=0;j<256;j++)
			if(err[j][i]<find_err_temp1)
			{	watch_err=err[j][i];	
				d[k]=i*256+j;
				k++;
			}
	}

	/*
	相当于
	if ~isempty(d) %如果d为空 那么isempty的值为1,~isempty的值为0,则不会执行这个if语句
		 err(d) = numel(a)*ones(size(d));
	end
	*/
	int d_size;
	d_size=k;
	char isempty_flag=1;
	for(i=0;i<d_size;i++)
	{
		if(d[i]!=0)
		{
			isempty_flag=0;
			break;
		}
	}
	double err_temp1=0;
	int d_m,d_n;
	if(!isempty_flag)
	{
		for(i=0;i<d_size;i++)
		{
			d_m=int(d[i])%256;
			d_n=int(d[i])/256;
			err[d_m][d_n]=numel_a;

		}

	}
	//相当于[dum,T] = min(err);
	int T[256];
	double err_min=0;
	for(j=0;j<256;j++)
	{	err_min=err[0][j];
		T[j]=0;
		for(i=0;i<256;i++)
		{   if(err[i][j]<err_min)
			{
				T[j]=i;
				err_min=err[i][j];//T中就是经过直方图匹配之后的像素值映射关系了！
			}
		}
	}

	//下面的程序是把原图像中的每一个像素值用T中的映射关系来映射
	T[0] = 0;//这是我通过前面的程序计算出的灰度值映射关系,不管你怎么映射,0肯定是0  
	int s1_temp1;
	CvScalar s1;
	CvScalar s2;
	for( i = 0; i < M_a; i++ )  
    { 	
	  for( j = 0; j < N_a; j++ )
	  {
		  s1 = cvGet2D(a,i,j);
		  s1_temp1=int(s1.val[0]);
		  s2.val[0]=T[s1_temp1];
		  cvSet2D(a,i,j,s2);
	  }
	 
    }  

}

int main()
{
	// 从文件中加载原图  
	IplImage *pSrcImage_coins = cvLoadImage("coins.png", CV_LOAD_IMAGE_UNCHANGED);

	IplImage *a = cvLoadImage("coins.png", CV_LOAD_IMAGE_UNCHANGED);
	IplImage *I2 = cvLoadImage("rice.png", CV_LOAD_IMAGE_UNCHANGED);


	my_hist_specification(a,I2);

	const char *pstrWindowsATitle = "原图"; 
	const char *pstrWindowsBTitle = "直方图规定化的源图";  
	//创建窗口      
	cvNamedWindow(pstrWindowsATitle, CV_WINDOW_AUTOSIZE);  
	cvNamedWindow(pstrWindowsBTitle, CV_WINDOW_AUTOSIZE); 
	//在指定窗口中显示图像     
	cvShowImage(pstrWindowsATitle, pSrcImage_coins); 
	cvShowImage(pstrWindowsBTitle, a);     
	//等待按键事件      
	cvWaitKey();      
	cvDestroyWindow(pstrWindowsATitle);      
	cvDestroyWindow(pstrWindowsBTitle); 
	cvReleaseImage(&a);    
	cvReleaseImage(&I2); 

return 0;
}

最后的运行结果如下图所示：

我用另外一幅图测试，也没有问题，如下：

可见，结果是一致的，程序测试成功！另外，在我备份的源码Histogram_Specification_05.cpp，下载链接为：http://pan.baidu.com/s/1i5g0Kzr  完整的体现了我整个改写的过程，我设置了很多中间变量和数组，可以观察程序是否正确！

欢迎大家加入图像识别技术交流群：271891601，另外，特别欢迎成都从事图像识别工作的朋友交流，我的QQ号248787278