opencv之直方图均衡化

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>

using namespace cv;
using namespace std;

/**  @function main */
int main(int argc, char** argv)
{
	Mat src, dst;

	/// 加载源图像
	src = imread("D://b.png", 1);

	if (!src.data)
	{
		cout << "Usage: ./Histogram_Demo <path_to_image>" << endl;
		return -1;
	}

	/// 转为灰度图
	cvtColor(src, src, CV_BGR2GRAY);

	/// 应用直方图均衡化
	equalizeHist(src, dst);

	/// 创建窗口
	namedWindow("Source", CV_WINDOW_AUTOSIZE);
	namedWindow("equalized", CV_WINDOW_AUTOSIZE);
        //显示结果
	imshow("Source", src);
	imshow("equalized", dst);

	/// 等待用户按键退出程序
	waitKey(0);

	return 0;
}

 

        马上就要开会了，小编刚接触opencv就要给小伙伴们讲直方图均衡化了，有点小紧张，还是先做个笔记吧。

        首先，直方图是什么？

        直方图是图像中像素强度分布的图形表达方式，它统计了每一个强度值所具有的像素个数，描述了图像灰度值。

        像素：一幅图像是由许多的小格子组成的，这些小格子就是像素点，像素点组成像素。

        像素强度：0~255之间的值。在灰度图像中，它是图像的灰度值。

        

        如图所示，横坐标的值即像素强度从0到255，从暗到亮，左暗右亮，左边用于描述图像的暗度，右边用于描述图像的亮度。纵坐标表示像素量，峰值高则像素量多，峰值低则像素量少。

        图上的直方图说明，左边图像中暗的和亮的像素比较少，灰的像素比较多。

        再给大家举两个例子：

        

        
 
        然后，直方图均衡化是什么？

        https://blog.csdn.net/zhulf0804/article/details/52770613

        直方图均衡化是通过拉伸像素强度分布范围来增强图像对比。

        说得更清楚一些, 以上面的直方图为例，你可以看到像素主要集中在中间的一些强度值上。直方图均衡化要做的就是拉伸这个范围。见下面左图：绿圈圈出了少有像素分布其上的强度值。对其应用均衡化后，得到了中间图所示的直方图。均衡化的图像见下面右图。把图像变换成像素值是几乎均匀分布的图像。

        对比度：一幅图中灰度反差的大小。对比度 =  最大亮度/最小亮度。
 
                       
        最后，直方图均衡化是怎么做到的？ （三步）

        第一步：把直方图的每个灰度级进行归一化处理。

        先说一下涉及到基本概念。

        灰度：灰度是表明图像明暗的数值，即黑白图像中点的颜色深度，范围一般从0到255，白色为255 ，黑色为0，故黑白图片也称灰度图像。灰度值指的是单个像素点的亮度。灰度值越大表示越亮。

        灰度化：R=B=G。

        灰度值与像素值的关系：一张灰度图像的像素值就是它的灰度值。一张彩色图像的灰度值需要经过函数映射来得到。

        灰度级：灰度级表明图像中不同灰度的最大数量。灰度级越大，图像的亮度范围越大。

        归一化：https://www.cnblogs.com/curo0119/p/8421811.html

                      https://blog.csdn.net/lanmeng_smile/article/details/49903865

       归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。

        归一化函数normalize()，归一化之后所有的像素值都在［0，1］区间内。

 

        第二步：求每种灰度的累积分布，得到一个映射的灰度映射表。

        累积分布函数是单调增函数，并且值域是0到1。

        https://www.cnblogs.com/tianyalu/p/5687782.html

        用以下公式计算累积分布：
       
         其中，n是图像中像素的总和，nk是当前灰度级的像素个数，L是图像中可能的灰度级总数。

        假设有如下图像：

 
        
         得到的图像统计信息如下图所示，并根据统计信息完成灰度值映射：

        

        概率 = 像素个数 / 图像总的像素个数。如：0.25 = 4 / 16，0.1875 / 16。

        累积概率=概率的前k项之和。k是灰度级。如：第一行是0.25，第二行是0.25+0.1875=0.4375。第三行是0.25+0.1875+0.4375=0.75。

        映射后的灰度值=累积概率*255。如：0.25*255=63.75。0.4375*255=111.5625。

        映射后的图像如下所示：

       

        第三步：根据相应的灰度值来修正原图中的每个像素。

       

        代码附上，直接调用opencv中的equalizeHist( )函数，就能实现直方图的均衡化。