1. 直方图均衡化
如果一个图像的直方图都集中在一个区域,那么整体图像的对比度比较小,不便于图像中纹理的识别。例如,如果相邻的两个像素灰度值分别是 120
和
121
,那么仅凭肉眼是无法区别出来的。同时,如果图像中所有的像素灰度值都集中在 100
~
150
,那么整个图像会给人模糊的感觉,看不清图中的内容。如果通过映射关系,将图像中灰度值的范围扩大,增加原来两个灰度值之间的差值,就可以提高图像的对比度,进而将图像中的纹理突出显现出来,这个过程称为图像直方图均衡化。
在 OpenCV 4 中,提供了
equalizeHist()
函数用于将图像的直方图均衡化,该函数的原型在代码清单 4-7
中给出。
1.1 equalizeHist()函数原型
void cv::equalizeHist(InputArray src, OutputArray dst )
- src:需要直方图均衡化的 CV_8UC1 图像。
- dst:直方图均衡化后的输出图像,与src具有相同尺寸和数据类型。
该函数只能对单通道的灰度图进行直方图均衡化
。通过结果可以发现,经过均衡化后的图像对比度明显增加,可以看清楚原来看不清的纹理。通过绘制原图和均衡化后的图像直方图可以发现,均衡化后的图像直方图分布更加均匀。
1.2 示例程序
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
void drawHist(Mat &hist, int type, string name) //归一化并绘制直方图函数
{
int hist_w = 512;
int hist_h = 400;
int width = 2;
Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);
normalize(hist, hist, 1, 0, type, -1, Mat());
for (int i = 1; i <= hist.rows; i++)
{
rectangle(histImage, Point(width*(i - 1), hist_h - 1),
Point(width*i - 1, hist_h - cvRound(hist_h*hist.at<float>(i - 1)) - 1),
Scalar(255, 255, 255), -1);
}
imshow(name, histImage);
}
//主函数
int main()
{
Mat img = imread("../pic/gril.jpg");
if (img.empty())
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
Mat gray, hist, hist2;
cvtColor(img, gray, COLOR_BGR2GRAY);
Mat equalImg;
equalizeHist(gray, equalImg); //将图像直方图均衡化
const int channels[1] = { 0 };
float inRanges[2] = { 0,255 };
const float* ranges[1] = { inRanges };
const int bins[1] = { 256 };
calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges);
calcHist(&equalImg, 1, channels, Mat(), hist2, 1, bins, ranges);
drawHist(hist, NORM_INF, "hist");
drawHist(hist2, NORM_INF, "hist2");
imshow("原图", gray);
imshow("均衡化后的图像", equalImg);
waitKey(0);
return 0;
}
1.3 测试结果
![](https://i-blog.csdnimg.cn/direct/eb046aa64b7b4059801f11d42fe3ffd7.png)
![](https://i-blog.csdnimg.cn/direct/540aaa3625dd48bab155e4f20fbd8488.png)
2. 直方图反向投影
2.1 calcBackProject()函数原型
void cv::calcBackProject(const Mat * images,
int nimages,
const int * channels,
InputArray hist,
OutputArray backProject,
const float ** ranges,
double scale = 1,
bool uniform = true
)
- images:待统计直方图的图像数组,数组中所有的图像应具有相同的尺寸和数据类型,并且数据类型只能是 CV_8U、CV_16U 和 CV_32F 这 3 种中的一种,但是不同图像的通道数可以不同。
- nimages:输入图像数量。
- channels:需要统计的通道索引数组,第一个图像的通道索引从 0 到 images[0].channels()−1,第二个图像通道索引从 images[0].channels()到 images[0].channels()+ images[1].channels()−1,依次类推。
- hist:输入直方图。
- backProject:目标为反向投影图像,与 images[0]具有相同尺寸和数据类型的单通道图像。
- ranges:每个图像通道中灰度值的取值范围。
- scale:输出反向投影矩阵的比例因子。
- uniform:直方图是否均匀的标志符,默认状态下为均匀(true)。
2.2 示例代码
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
using namespace std;
using namespace cv;
//定义全局变量
Mat srcImage, hsvImage,hueImage;
const int hueBinMaxValue = 180;
int hueBinValue=25;
//声明回调函数
void Hist_and_Backprojection(int, void*);
int main()
{
srcImage=imread("../pic/hand.jpg");
//判断图像是否加载成功
if(srcImage.empty())
{
cout << "图像加载失败" << endl;
return -1;
}
else
cout << "图像加载成功..." << endl << endl;
//将图像转化为HSV图像
cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);
//只使用图像的H参数
hueImage.create(hsvImage.size(), hsvImage.depth());
int ch[]={0,0};
mixChannels(&hsvImage, 1, &hueImage, 1, ch, 1);
//轨迹条参数设置
char trackBarName[20];
sprintf(trackBarName,"Hue bin:%d",hueBinMaxValue);
namedWindow("SourceImage",WINDOW_AUTOSIZE);
//创建轨迹条并调用回调函数
createTrackbar(trackBarName, "SourceImage", &hueBinValue, hueBinMaxValue, Hist_and_Backprojection);
Hist_and_Backprojection(hueBinValue, 0);
imshow("SourceImage", srcImage);
waitKey(0);
return 0;
}
void Hist_and_Backprojection(int, void*)
{
MatND hist;
int histsize=MAX(hueBinValue, 2);
float hue_range[]={0,180};
const float* ranges={hue_range};
//计算图像直方图并归一化处理
calcHist(&hueImage, 1, 0, Mat(), hist, 1, &histsize, &ranges, true, false);
normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat());
//获取反向投影
MatND backProjection;
calcBackProject(&hueImage, 1, 0, hist, backProjection, &ranges, 1, true);
//输出反向投影
imshow("BackProjection", backProjection);
//绘制图像直方图
// int w=400;
// int h=400;
// int bin_w = cvRound((double)w/histsize);
// Mat histImage = Mat::zeros(w, h, CV_8UC3);
// for(int i=0; i < hueBinValue; i++)
// {
// rectangle(histImage, Point(i*bin_w, h), Point((i+1)*bin_w, h-cvRound(hist.at<float>(i)*h/255.0)), Scalar(0,0,255), -1);
// }
//imshow("HistImage", histImage);
}
2.3 测试结果