循序渐进之（二）空间域图像增强之直方图处理直方图均衡化(HE)

                          循序渐进之（二）空间域图像增强之直方图处理直方图均衡化(HE)

            

冈萨雷斯第二版《数字图像处理》，直方图均衡化是3.3.1章节的内容。

（拓展：

HE算法：直方图均衡化。。

AHE算法：自适应直方图均衡化。。

CLHE算法：限制对比度直方图均衡化。。

CLAHE算法：限制对比度自适应直方图均衡化。。）

第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。

1.具体原理请参考：

直方图均衡化

直方图均衡化过程

2.opencv中equalizeHist（）源码学习请参考:

opencv源码阅读之直方图均衡化（1）

3.代码主要参考:

直方图均衡化C++实现

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
	Mat originImage = imread("E://duibi.jpg",0);
	Mat equalizeImage(originImage.size(), originImage.type());
	Mat src(originImage.size(), originImage.type());
	vector<vector<int>> pixelNumber(256);//这里的双重vector主要是为了存储对应各个级别像素的个数，每次找到一个
	//一个灰度为x的像素，对应的将pixelNumber[x] push_back一个数进去，我们不关心实际的vector的数值，只关心pixelNumber[x]的size（）即对应灰度像素的数量，
	for (int i = 0; i < (originImage.rows - 1); i++)
		for (int j = 0; j < (originImage.cols - 1); j++)
		{
			int x = originImage.at<uchar>(i, j);
			pixelNumber[x].push_back(0);
		}
    //下面这个数组的方法貌似更简洁点
    /* for (int j = 0; j < nHeight; j++)
    {
        for (int i = 0; i < nWidth; i++)
        {
            arrayDstNum[matDst.at<uchar>(j, i)]++;
        }
    }*/
	for (int i = 0; i < (originImage.rows - 1); i++)
		for (int j = 0; j < (originImage.cols - 1); j++)
		{
			int pixelNumberTotal = 0;
			int x = originImage.at<uchar>(i, j);
			for (int k = 0; k < x+1; k++)//这里主要计算累计分布，即像素灰度为x的pixelNumberTotal为灰度≤x的所有像素数量的总和
				pixelNumberTotal += pixelNumber[k].size();
			equalizeImage.at<uchar>(i, j) = pixelNumberTotal * 255 / (equalizeImage.rows*equalizeImage.cols);//利用公式计算均衡化后的灰度值
		}
	equalizeHist(originImage, src);
	imshow("原图", originImage);
	imshow("均衡化图", equalizeImage);
	imshow("opencv默认均衡化图", src);
	waitKey(0);
	return 0;
}

结果：