OpenCV-图像处理（23、直方图均衡化）

图像直方图

• 图像直方图，是指对整个图像像在灰度范围内的像素值(0~255)统计出现频率次数，据此生成的直方图，称为图像直方图-直方图。直方图反映了图像灰度的分布情况。是图像的统计学特征。
  

直方图均衡化:

• 是一种提高图像对比度的方法，拉伸图像灰度值范围。让图像更均衡。对于图像的特征提取是非常有用的
• 通过remap我们知道可以将图像灰度分布从一个分布映射到另外一个分布，然后在得到映射后的像素值即可。
• 提升对比度：就是图像中所有的像素值之间的差异都比较明显
  • 均衡意味着将一个分布（给定的直方图）映射到另一个分布（更宽和更均匀的强度值分布），因此强度值在整个范围内扩展。
  • 要实现均衡效果，重映射应该是累积分布函数（cdf）。 对于直方图H（i），其累积分布H’（i）是：
    
  • 要将其用作重新映射函数，我们必须对H’（i）进行归一化，使得最大值为255（或图像强度的最大值）。 从上面的例子中，累积函数是：
    
  • 最后，我们使用简单的重新映射程序来获得均衡图像的强度值：
    

API说明cv::equalizeHist

equalizeHist(
InputArray src,//输入图像，必须是8-bit的单通道图像
OutputArray dst// 输出结果
)

程序代码

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst;
	//1. 读取图像
	src = imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");
	if( src.empty() ){ 
		cout<<"Usage: ./Histogram_Demo <path_to_image>"<<endl;
		return -1;
	}
	
	// 2. 将其转换为灰度：
	cvtColor( src, src, COLOR_BGR2GRAY );
	
	// 3. 使用函数cv :: equalizeHist应用直方图均衡
	equalizeHist( src, dst );
	
	// 4. 显示两个图像（原始图像和均衡图像）：
	imshow( "Source image", src );
	imshow( "Equalized Image", dst );

	waitKey(0);
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

运行截图

参考博客：

1. https://blog.csdn.net/LYKymy/article/details/83188995
2. https://blog.csdn.net/huanghuangjin/article/details/81171721