图像处理：直方图——直方图均衡化 OpenCV v4.8.0

上一个教程 ： 仿射变换

下一个教程 ： 直方图计算

原作者	Ana Huamán
兼容性	OpenCV >= 3.0

目标

在本教程中，你将学习

• 什么是图像直方图以及它的用处
• 使用 OpenCV 函数 cv::equalizeHist 均衡图像直方图

理论

什么是图像直方图？

• 它是图像强度分布的图形表示。
• 它量化了每个强度值的像素数量。
  

什么是直方图均衡化？

• 这是一种改善图像对比度的方法，目的是拉大强度范围（另见维基百科相应词条）。
• 从上图中可以更清楚地看到，像素似乎集中在现有强度范围的中间位置。直方图均衡化的作用就是拉伸这个范围。请看下图： 绿色的圆圈表示强度不足的区域。应用均衡化后，我们得到的直方图就像中间的图一样。得到的图像如右图所示。
  

它是如何工作的？

• 均衡化意味着将一种分布（给定的直方图）映射到另一种分布（一种更广泛、更均匀的强度值分布），从而使强度值遍布整个范围。
• 要实现均衡化效果，重映射应该是累积分布函数（cdf）（更多详情，请参阅学习 OpenCV）。对于直方图 H(i)，其累积分布 H′(i)为

$$H^{\prime }\left(i\right)=\sum _{0\le j<i}H\left(j\right)$$

要将其用作重映射函数，我们必须对 H′(i)进行归一化处理，使其最大值为 255（或图像强度的最大值）。根据上面的例子，累积函数为

• 最后，我们使用一个简单的重映射过程来获取均衡化图像的强度值：

$$equalized\left(x,y\right)=H^{\prime }\left(src\left(x,y\right)\right)$$

代码

• 这个程序要做什么？
  • 加载图像
  • 将原始图像转换为灰度图像
  • 使用 OpenCV 函数 cv::equalizeHist 均衡直方图
  • 在一个窗口中显示源图像和均衡化后的图像。

C++

• 可下载代码： 点击此处
• 代码一览

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
int main( int argc, char** argv )
{
 CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
 Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
 if( src.empty() )
 {
 cout << "Could not open or find the image!\n" << endl;
 cout << "Usage: " << argv[0] << " <Input image>" << endl;
 return -1;
 }
 cvtColor( src, src, COLOR_BGR2GRAY );
 Mat dst;
 equalizeHist( src, dst );
 imshow( "Source image", src );
 imshow( "Equalized Image", dst );
 waitKey();
 return 0;
}

Java

• 可下载代码： 点击此处
• 代码一览

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
class EqualizeHist {
 public void run(String[] args) {
 String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
 Mat src = Imgcodecs.imread(filename);
 if (src.empty()) {
 System.err.println("Cannot read image: " + filename);
 System.exit(0);
 }
 Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
 Mat dst = new Mat();
 Imgproc.equalizeHist( src, dst );
 HighGui.imshow( "Source image", src );
 HighGui.imshow( "Equalized Image", dst );
 HighGui.waitKey(0);
 System.exit(0);
 }
}
public class EqualizeHistDemo {
 public static void main(String[] args) {
 // Load the native OpenCV library
 System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
 new EqualizeHist().run(args);
 }
}

Python

• 可下载代码： 点击此处
• 代码一览

from __future__ import print_function
import cv2 as cv
import argparse
parser = argparse.ArgumentParser(description='Code for Histogram Equalization tutorial.')
parser.add_argument('--input', help='Path to input image.', default='lena.jpg')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))
if src is None:
 print('Could not open or find the image:', args.input)
 exit(0)
src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
dst = cv.equalizeHist(src)
cv.imshow('Source image', src)
cv.imshow('Equalized Image', dst)
cv.waitKey()

说明

• 加载源图像：
  C++

 CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
 Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
 if( src.empty() )
 {
 cout << "Could not open or find the image!\n" << endl;
 cout << "Usage: " << argv[0] << " <Input image>" << endl;
 return -1;
 }

Java

 String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
 Mat src = Imgcodecs.imread(filename);
 if (src.empty()) {
 System.err.println("Cannot read image: " + filename);
 System.exit(0);
 }

Python

parser = argparse.ArgumentParser(description='Code for Histogram Equalization tutorial.')
parser.add_argument('--input', help='Path to input image.', default='lena.jpg')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))
if src is None:
 print('Could not open or find the image:', args.input)
 exit(0)

• 转换为灰度图像
  C++

 cvtColor( src, src, COLOR_BGR2GRAY );

Java

 Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);

Python

src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

-使用函数 cv::equalizeHist 应用直方图均衡化：
C++

 Mat dst;
 equalizeHist( src, dst );

Java

 Mat dst = new Mat();
 Imgproc.equalizeHist( src, dst );

Python

dst = cv.equalizeHist(src)

不难看出，参数只有原始图像和输出（均衡化）图像。

• 显示两幅图像（原始图像和均衡化图像）：
  C++

 imshow( "Source image", src );
 imshow( "Equalized Image", dst );

Java

 HighGui.imshow( "Source image", src );
 HighGui.imshow( "Equalized Image", dst );

Python

cv.imshow('Source image', src)
cv.imshow('Equalized Image', dst)

• 等待用户退出程序
  C++

 waitKey();

Java

 HighGui.waitKey(0);

Python

cv.waitKey()

结果

1. 为了更好地了解均衡化的结果，让我们引入一张对比度不大的图像，例如

顺便说一下，它的直方图是这样的：

请注意，像素都集中在直方图的中心。

2. 在使用我们的程序进行均衡处理后，我们得到了这样的结果：

这幅图像的对比度明显增加了。看看它的新直方图

请注意，像素数量在强度范围内的分布更均匀了。

注意
您是否想知道我们是如何绘制上述直方图的？请查看接下来的教程！