使用C++实现彩色图像直方图均衡化的三种方法

引言

本文主要介绍如何实现彩色图像的直方图均衡化，达到图像增强效果的三种方法：

1. 对RGB三个通道图像分别进行直方图均衡化，然后再合并三个通道；

2. 提取RGB三个通道图像，计算其平均直方图结果，然后再进行均衡化；

3. RGB空间转为HSI空间图像，对I（亮度，Intensity）通道进行直方图均衡化，再转为RGB图像。

第一种方法不推荐，会破坏色彩结构；根据情况选择第2，3种方法。

 

先导知识

直方图

首先必须了解灰度直方图是什么东西。直方图就是统计一个图像各灰度级值0~255有多少各像素点。

 

单通道均衡化

在实现之前先了解单通道图像（灰度图）直方图均衡化和其过程。

上述过程就是求出一个原像素点到均衡化的像素点的一个映射函数 f(x)。利用该映射函数就可以循环扫描图像的每一个像素x，然后得到f(x)替代原来的像素值x，达到均衡化的结果。

在实际均衡化过程中，核心步骤如下：
1. 传入单通道图像和该的灰度直方图。
2. 遍历灰度直方图，对值 I 从 0~255 累计求和，对累计求和，对和结果除以图像的素数，然后乘以 L-1得到函数结果 得到函数结果 f（xi ）。
3. 将每一个灰度值 i累积求和的结果 累积求和的结果 f（xi ）存储在一个大小为 256 的 int 数组中，存储的位置为 i;
4. 遍历输入图像每一个素，记点值为 x，修改其像素值使等于 f（x）。
5. 均衡化结束。

 

算法实现

单通道均衡化

主要步骤如下，EqualizedResult就是均衡化的映射函数，下一步骤就是将像素点值作为映射函数的输入，将输出结果替代原来的像素值。

// 功能：对灰度直方图进行均衡化
// 输入：单通道CImg对象, 灰度图对象
// 输出：均衡化结果
CImg<unsigned int> HistogramEqualization::HistogramEqualizationMethod
(CImg<unsigned int> InputImage,CImg<unsigned int>  Histogram)
{
	int L = 256; //灰度级
	int NumOfPixels = (InputImage)._width * (InputImage)._height;

	double CumulativeDistributionFunction[256] = { 0 }; // 灰度直方图的累积分布
	double EqualizedResult[256] = { 0 };               //  均衡化结果映射函数
	/*直方图就对应于概率密度函数pdf，
	而概率分布函数cdf就是直方图的累积和，
	即概率密度函数的积分
	积分*（L(=255)-1)*/
	
	/*均衡化关键步骤*/
	int count = 0;
	cimg_forX(Histogram, x) {
		count += Histogram[x];  // 累计求和
		CumulativeDistributionFunction[x] = 1.0 * count / NumOfPixels;  //计算概率
		EqualizedResult[x] = round(CumulativeDistributionFunction[x] * (L - 1)); //