OpenCV2学习笔记（二）：图像的直方图_yuv空间 clahe

    直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。众所周知，一幅图像是由不同颜色值的像素组成，因此像素值在图像中的分布情况是这幅图像的一个重要特征，因此直方图广泛应用在数字图像处理中。
    拍照是现实生活中必不可少的一部分，由于环境亮度、图像拍摄过程中透视光圈设置错误等影响，经常会拍出一些“过暗”的照片，此时美图、PS等美化工具可以派上用场。但是这些工具的算法通常都是不公开的，鉴于研究所需，这里利用图像直方图的一些性质来探索一些图像增强方法。开发平台为OpenCV2.4.9+Qt5.3.2。
1
2

一、灰度图像的直方图
在一幅单通道的灰度图像中，每个像素的取值区间为[0,255]，因此灰度图像的直方图包含256个容器，各个容器给出当前值的像素个数。简单来说，直方图统计出每种像素取值的个数，它可以被归一化，即算出图像的像素总数，然后将各容器的像素个数除去总数，归一化后所有项的和为1。
在OpenCV中，使用cv::calcHist函数以计算直方图，这里创建一个Qt控制台应用并定义一个类（注意直方图中的数据类型为float）：

histgram1d.h:

#ifndef HISTOGRAM1D_H
#define HISTOGRAM1D_H
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <cv.hpp>

class Histogram1D
{
   
public:
    Histogram1D()
    {
        // 准备直方图的相关参数
        histSize[0] = 256;
        hranges[0] = 0.0; // 灰度值范围为0到255，float类型
        hranges[1] = 255.0;
        ranges[0] = hranges;
        channels[0] = 0;
    }
    cv::MatND getHistogram(const cv::Mat &image); // 计算灰度图像的直方图
    cv::Mat getHistogramImage(const cv::Mat &image); // 计算灰度直方图并返回图像

private:
    int histSize[1];  // 容器的数量
    float hranges[2]; // 像素的最小值和最大值
    const float *ranges[1]; 
    int channels[1];  // 仅使用一个通道
};
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

histgram1d.cpp:

#include "histogram1d.h"
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <cv.hpp>
#include <QDebug>
#include <opencv2/imgproc/imgproc.hpp>

cv::MatND Histogram1D::getHistogram(const cv::Mat &image)
{
    cv::MatND hist;
    cv::calcHist(&image,    // 输入图像
                 1,         // 计算1张图片的直方图
                 channels,  // 图像的通道数
                 cv::Mat(), // 不实用图像作为掩码
                 hist,      // 返回的直方图
                 1,         // 1D的直方图
                 histSize,  // 容器的数量
                 ranges);   // 像素值的范围
    return hist;
}

cv::Mat Histogram1D::getHistogramImage(const cv::Mat &image)
{
    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24