OpenCV11：灰度图片直方图均衡化（源码实现非调用方法）

对于直方图均衡化我们首先要知道一个概念：累计概率 

对于每个灰度等级，我们存在概率和累计概率两个概率统计

 eg：1   概率0.2    则灰度等级1的累计概率为 0.2

         2   概率0.3    则灰度等级2的累计概率为 0.5

         3   概率0.1    则灰度等级3的累计概率为 0.6

那么对于256个灰度等级来说，每个灰度等级都有一个概率，和一个累计概率
 比如 100 这个灰度等级，他的累计概率是0.5 ，那么255*0.5= New值
 就是100 这个灰度等级的映射，那么每个为100的灰度等级以后就用New值替代
 这个过程就叫直方图均衡化

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('OpenCV\\image0.JPG', 1)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()    # 显示原图

ImgInfo = img.shape
height = ImgInfo[0]
width = ImgInfo[1]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    # 将原图灰度化
cv2.imshow('MapBeforeGray',gray)
cv2.waitKey(0)
cv2.destroyAllWindows()    # 显示灰度图

count = np.zeros(256, np.float)    # 建立一个大小为256的数组
for i in range(height):
    for j in range(width):
        pixel = gray[i,j]    # 图像中像素值的类型是np.uint8
        index = int(pixel)
        # 0-255的下标，意味着0-255的灰度等级，每当符合其灰度等级，就在count数组中的对应位置加一
        count[index] = count[index] + 1
# 计算每种灰度出现的概率
for i in range(255):
    count[i] = count[i]/(height*width)
# 用matplot绘图，绘制灰度直方图
x = np.linspace(0,255,256)
y = count
plt.bar(x, y, width=0.8, alpha=1, color='b')
plt.show()

# 计算累计概率
sum1 = float(0)
for i in range(256):
    sum1 = sum1 + count[i]
    count[i] = sum1
# 计算映射表
map1 = np.zeros(256,np.uint16)
for i in range(256):
    map1[i] = np.uint16(count[i]*255)
# 将new值映射成为原灰度值
for i in range(height):
    for j in range(width):
        pixel = gray[i,j]    
        gray[i,j] = map1[pixel]
# 根据映射后的图像画直方图
for i in range(height):
    for j in range(width):
        pixel = gray[i,j]    # 图像中像素值的类型是np.uint8
        index = int(pixel)
        # 0-255的下标，意味着0-255的灰度等级，每当符合其灰度等级，就在count数组中的对应位置加一
        count[index] = count[index] + 1

# 用matplot绘图，绘制均衡化后的灰度直方图
x = np.linspace(0,255,256)
y = count
plt.bar(x, y, width=0.8, alpha=1, color='b')
plt.show()

cv2.imshow('MapAfterGray',gray)
cv2.waitKey(0)
cv2.destroyAllWindows()    # 显示均衡化后的灰度图

结果如下：

直方图如下：右图为均衡化后的