直方图均衡化

举个例子：大家都知道一般RGB图像有3个通道分别是R,G,B。就拿红色通道R来说，它的范围有0-255，直方图就是把它分为N个，每个块是255/N(平均分)（代表了直方图一列的宽度），统计色彩在0-（255/N）的像素点，（255/N）- 2*（255/N）的像素点，2*（255/N）- 3*（255/N）的像素点有多少个...

我们假设：

数组p1[255/N]存放每个0-（255/N）块像素值的个数；

数组p[255/N]存放归一化直方图，即每个0-（255/N）在[ 0 1 ]区间所占的比例，是像素值在某个范围内的概率；

数组Sum[255/N]存放均衡化结果，离散灰度级的累加和；

K = 255/N, Num = image->width*image->height

0-       k  p1[1]

1-       k  p1[2]

2-       k  p1[3]

3-       k  p1[4]

4-       k  p1[5]

......

归一化直方图：

p[1] = p1[1]/Num

p[2] = p1[2]/Num

p[3] = p1[3]/Num

……

直方图均衡：（提高亮度的一种方法）

均衡化变换:

Sum[1] = p[1]

Sum[2] = Sum[1] + p[2]

Sum[3] = Sum[2] + p[3]

……

对于各个0-（255/N）范围内的亮度，factor = 0.5 or other values

0-       k  Sum[1]*255 + factor

1-       k  Sum[2]*255 + factor

2-       k  Sum[3]*255 + factor

3-       k  Sum[4]*255 + factor

……

CSDN博客:http://blog.csdn.net/soarnic/archive/2008/09/26/2985116.aspx

有相应的基于OpenCV的VC描述，将灰度级拉伸：

int ImageStretchByHistogram( IplImage* src, IplImage* dst )

{

    //p[]存放图像各个灰度级的出现概率；

    //p1[]存放各个灰度级之前的概率和，用于直方图变换；

    //num[]存放图象各个灰度级出现的次数;

    assert( src->width == dst->width);

    float p[256],p1[256],num[256];//1-256 相当于0-255

 

    //清空三个数组

    memset( p, 0, sizeof(p));

    memset( p1, 0, sizeof(p1));

    memset( num, 0 ,sizeof(num));

 

    int height = src->height;

    int width = src->width;

    long wmulh = height*width;

 

    //求图像各个灰度级出现的次数，to do use openmp

    for (int x=0; x<width; x++)

    {

        for (int y=0; y<height; y++)

        {

      //imageData是指向char的指针,所以要转换,单通道单字节的图像像素值的访问

            unsigned char v = ((uchar*)(src->imageData + src->widthStep*y))[x];

            num[v]++;

        }

    }

    //求存放图像各个灰度级的出现概率，归一化

    for (int i=0; i<256; i++)

    {

        p[i] = num[i]/wmulh;

    }

    //求存放各个灰度级之前的概率和

    for (int i=0; i<256; i++)

    {

        for(int k=0; k<i; k++)

            p1[i] += p[k];

    }

    //直方图变换

    for (int x=0; x<width; x++)

    {

        for (int y=0; y<height; y++)

        {

            uchar v = ((uchar*)(src->imageData + src->widthStep*y))[x];

            ((uchar*)(dst->imageData + dst->widthStep*y))[x] = p1[v]*255 +0.5;

        }

    }

    return 0;

}

 

 

使用OpenCV自身直方图均衡化函数

cvEqualizeHist( GrayImage, dstGrayImage);//突出图像的微小灰度区别细节