返回:OpenCV系列文章目录(持续更新中......)
上一篇:OpenCV实现仿射变换(54)
下一篇:OpenCV直方图计算(56)
目标
在本教程中,您将学习:
- 什么是图像直方图以及它为什么有用
- 使用 OpenCV 函数均衡图像直方图 cv::equalizeHist
理论
什么是图像直方图?
- 它是图像强度分布的图形表示。
- 它量化了所考虑的每个强度值的像素数。
什么是直方图均衡?
- 这是一种提高图像对比度的方法,以扩大强度范围(另请参阅相应的维基百科条目)。
- 为了更清楚地说明这一点,从上图中,您可以看到像素似乎聚集在可用强度范围的中间。直方图均衡的作用是扩展这个范围。请看下图:绿色圆圈表示人口不足的强度。应用均衡后,我们得到一个直方图,如中心图所示。生成的图像如右图所示。
它是如何工作的?
- 均衡意味着将一个分布(给定的直方图)映射到另一个分布(强度值的更广泛和更均匀的分布),以便强度值分布在整个范围内。
-
为了实现均衡效果,重映射应该是累积分布函数 (cdf)(更多细节,请参阅学习 OpenCV)。对于直方图 \(H(i)\),其).对于直方图 \(H^{'}(i)\) 为:
\[H^{'}(i) = \sum_{0 \le j < i} H(j)\]
要将其用作重映射函数,我们必须对 \(H^{'}(i)\) 进行归一化,使最大值为 255(或图像强度的最大值)。从上面的例子中,累积函数为:
-
最后,我们使用一个简单的重新映射程序来获得均衡图像的强度值:
\[均衡( x, y ) = H^{'}( src(x,y) )\]
C++代码
- 这个程序是做什么的?
- 加载图像
- 将原始图像转换为灰度
- 使用 OpenCV 函数 cv::equalizeHist 均衡直方图
- 在窗口中显示源图像和均衡图像。
- 可下载代码: 点击这里
- 代码一览:
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
int main( int argc, char** argv )
{
CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
if( src.empty() )
{
cout << "Could not open or find the image!\n" << endl;
cout << "Usage: " << argv[0] << " <Input image>" << endl;
return -1;
}
cvtColor( src, src, COLOR_BGR2GRAY );
Mat dst;
equalizeHist( src, dst );
imshow( "Source image", src );
imshow( "Equalized Image", dst );
waitKey();
return 0;
}
解释
加载源图像:
CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
if( src.empty() )
{
cout << "Could not open or find the image!\n" << endl;
cout << "Usage: " << argv[0] << " <Input image>" << endl;
return -1;
}
将其转换为灰度:
cvtColor( src, src, COLOR_BGR2GRAY );
使用函数 cv::equalizeHist 应用直方图均衡:
Mat dst;
equalizeHist( src, dst );
-
可以很容易地看到,唯一的参数是原始图像和输出(均衡)图像。
-
显示两个图像(原始图像和均衡图像):
imshow( "Source image", src );
imshow( "Equalized Image", dst );
等到用户存在程序
waitKey();
结果
- 为了更好地欣赏均衡的结果,让我们引入一个对比度不高的图像,例如:
顺便说一句,它有这个直方图:
请注意,像素聚集在直方图的中心。
- 使用我们的程序应用均衡后,我们得到以下结果:
这张图片肯定有更大的对比度。看看它的新直方图,如下所示:
请注意,像素数在强度范围内分布得更多。
参考文献:
1、《Histogram Calculation》-------Ana Huamán