直方图均衡化的作用是图像增强。
有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布。
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?
有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布。
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。直方图均衡化过程中,映射方法是:
其中,n是图像中像素的总和,nk是当前灰度级的像素个数,L是图像中可能的灰度级总数。
来看看通过上述公式怎样实现的拉伸。假设有如下图像:
得图像的统计信息如下图所示,并根据统计信息完成灰度值映射:
映射后的图像如下所示:
灰度直方图均衡化实现的步骤:
1.统计灰度级中每个像素在整幅图像中的个数
2.计算每个灰度级占图像中的概率分布
3.计算累计分布概率
4.计算均衡化之后的灰度值
5.映射回原来像素的坐标的像素值
放上源代码:
#include<opencv2\opencv.hpp>
#include<cmath>
#include<iostream>
using namespace cv;
using namespace std;
Mat MyequalizeHist(Mat &srcImage)
{
int nRows = srcImage.rows;
int nCols = srcImage.cols;
int nSumPix[256];
double nProDis[256];
double nSumProDis[256];
int EqualizeSumPix[256];
for (int i = 0; i < 256; i++)
{
nSumPix[i] = 0;
nProDis[i] = 0.0;
nSumProDis[i] = 0.0;
EqualizeSumPix[i] = 0;
}
for (int i = 0; i < nRows; i++)
{
for (int j = 0; j < nCols; j++)
{
nSumPix[(int)srcImage.at<uchar>(i, j)]++;
}
}
for (int i = 0; i < 256; i++)
{
nProDis[i] = (double)nSumPix[i] / (nRows * nCols);
}
nSumProDis[0] = nProDis[0];
for (int i = 1; i < 256; i++)
{
nSumProDis[i] = nSumProDis[i - 1] + nProDis[i];
}
for (int i = 0; i < 256; i++)
{
EqualizeSumPix[i] = cvRound((double)nSumProDis[i] * 255);
}
Mat resultImage(nRows, nCols, srcImage.type());
for (int i = 0; i < nRows; i++)
{
for (int j = 0; j < nCols; j++)
{
resultImage.at<uchar>(i, j) = EqualizeSumPix[(int)srcImage.at<uchar>(i, j)];
}
}
return resultImage;
}
int main()
{
Mat srcIamge = imread("flower.jpg");
if (!srcIamge.data)
{
printf("image could not load...\n");
return -1;
}
Mat srcGray;
//转化为灰度图并且显示
cvtColor(srcIamge, srcGray, CV_BGR2GRAY);
imshow("srcGray", srcGray);
Mat resultImage = MyequalizeHist(srcGray);
imshow("res", resultImage);
waitKey(0);
return 0;
}
效果图: