OpenCV 2 学习笔记(17): 均衡化图像直方图

上一节我们提到可以使用拉伸直方图的方法，使图像中包含所有的灰度级，来改善图片的质量。但是有的时候，图像的视觉缺陷不是由于图像的所占用的灰度级数少儿导致的。而是一些图像中的一些灰度级出现太频繁，例如有时候中间灰度级出现太频繁，而偏黑色或者偏白色的灰度级太少，导致了颜色失衡等等。这样我们就会得出结论，一个视觉效果好的图片，应当所有灰度级数所占有的像素数基本都是相同的。对于图片做这种处理就叫做直方图均衡化，也就是使直方图尽可能的平坦。

OpenCV中含有这个功能的函数是cv::equalizeHist：

cv::Mat equalize(const cv::Mat &image) {
      cv::Mat result;
      cv::equalizeHist(image,result);
      return result;
   }

可以再做一下比较，还是lena图：

下面让我们详细解释一下直方图均衡化。如果比较极端的话，最均匀的直方图就是直方图是平的，每一个坐标点的像素数都是相同的。也就是说，有50%的像素值小于128,25%小于64，以此类推。也就是说P%的像素值要小于255*P%。那么查找表可以如下定义：

lookup.at<uchar>(i)= static_cast<uchar>(255.0*p[i]);

这里的p[i]是什么呢，是像素值小于i的所有像素所占的比例。也就是累积直方图中所用到的累积比例。一般情况下，均衡化直方图可以改善图像的视觉效果，但是不是绝对的。