C++ OpenCV——直方图处理

C++ VS2010
Opencv 2.4.9
参考自：https://blog.csdn.net/u013263891/article/details/82987417
参考自：https://www.cnblogs.com/brucemu/archive/2013/10/17/3374558.html

直方图均衡

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;
void main()
{
   
	//以灰度图读取图片 使其通道为1
	Mat img = imread("Fig0316(4)(bottom_left).tif",0);
	int gray[256]={
   0};//记录灰度级别下的像素个数
    int mn;//像素总数
    double r_prob[256]={
   0};//输入图像的概率
    double pdf[256]={
   0};//累积概率密度
    double r[256]={
   0};//r与s的映射
    double s_prob[256]={
   0};//均衡化之后的概率

	Mat img_temp = img.clone();
	//得出每个灰度级下像素个数
	for(int i = 0;i<img.rows;i++)
	{
   
		for(int j = 0;j<img.cols;j++)
		{
   
			int gray_value = img.at<uchar>(i,j);
			gray[gray_value]++;
		}
	}
	//得出每个灰度级概率分布
	mn = img.rows*img.cols;
	for(int i = 0;i<256;i++)
	{
   
		r_prob[i] = ((double)gray[i])/mn;
	}
	//得出每个灰度级概率密度函数
	pdf[0] = r_prob[0];
	for(int i = 1;i<256;i++)
	{
   
		pdf[i] = pdf[i-1] + r_prob[i];
	}

	//计算直方图均衡映射的各个灰度级个数
	for(int i = 0;i<256;i++){
   
		r[i] = (int)cvRound(255*pdf[i]);
	}

	//重新绘制图片 根据上述的灰度值均衡的结果
	for(int i = 0;i<img.rows;i++)
	{
   
		for(int j = 0;j<img.cols;j++)
		{
   
			int gray_value = img.at<uchar>(i,j);
			img_temp.at<uchar>(i,j) = r[gray_value];
		}
	}



	imshow("原图像",img);
	imshow("Mine_code",img_temp);


	//直方图显示
	int bins=256;
    int hist_size[]={
   bins};
    float range[]={
   0,256};
    const float* ranges[]={
   range};
    cv::Mat histsrc,histdst;
    int channels[]={
   0};

	/*
	const Mat* images：输入图像
 	int nimages：输入图像的个数
	const int* channels：需要统计直方图的第几通道
	InputArray mask：掩膜，，计算掩膜内的直方图  ...Mat()
	OutputArray hist:输出的直方图数组
	int dims：需要统计直方图通道的个数
	const int* histSize：指的是直方图分成多少个区间，就是 bin的个数
	const float** ranges： 统计像素值得区间
	bool uniform=true::是否对得到的直方图数组进行归一化处理
	bool accumulate=false：在多个图像时，是否累计计算像素值得个数
	*/
    calcHist(&img,1,channels,Mat(),histsrc,1,hist_size,ranges,true,false);
    calcHist(&img_temp,1,channels,Mat(),histdst,1,hist_size,ranges);
 
    cout<<histsrc.size()<<endl;
 
    int scale=1;
    Mat srcImage(256*scale,256,CV_8U,cv::Scalar(0));
    Mat dstImage(256*scale,256,CV_8U,cv::Scalar(0</