直方图应用01-学习笔记

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偏小，不便于图像中纹理的识别。通过映射关系，将图像中的灰度值范围扩大，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显现出来，这个过程称为图像直方图均衡化。

equalizeHist()函数原型

void cv::equalizeHist(InputArray src, OutputArray dst)

函数功能：对单通道的灰度图进行直方图均衡化。
参数说明：
src：输入的CV_8UC1图像
dst：直方图均衡化后的输出图像

函数原理

直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。

示例程序

该示例程序为OpenCV 4书中的源码，该程序对一个对比度小的齿轮图片进行直方图均衡化，输出了一个对比度提高的图片。

程序代码

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

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);
}

int main()
{
	Mat img = imread("E:/Image/gearwheel.png");
	if (img.empty())
	{
		cout << "检查文件路径" << endl;
		return -1;
	}
	Mat gray, hist, hist2;
	cvtColor(img, gray, COLOR_BGR2GRAY);  //转灰度图像
	Mat equalImg;
	equalizeHist(gray, equalImg);  //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", img);
	imshow("均衡化后的图像", equalImg);
	waitKey(0);
	return 0;

}

运行结果

声明

本文为学习笔记，内容来源于网络和课本。