8 - 灰度图片直方图均衡化

参考资料：
什么是图像直方图
图像直方图
直方图视频教程

1、直方图

• 介绍 ： 直方图描述的是图像的各个灰度级的统计学特性，它反映了一副图像中各个灰度级出现的次数或概率。

  • 只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。丢失了位置的信息。
  • 图像与直方图之间是多对一的映射关系。例如：镜像图像与原图的直方图信息一致。
  • 由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和等于该图像全图的直方图。

• Matlab 中实现并显示

  代码部分：

img = imread('E:\BMP\GaryFrameTest.bmp');		% 读取图像
[height, width] = size(img);					% 获取图像尺寸
[counts, x] = imhist(img);						% 得到图像的直方图信息；counts - 灰度区间内的像素数目；x - 对应的灰度区间向量
counts = counts / height / width;				% 直方图信息进行归一化（概率）
figure;											% 绘制结果信息
stem(x, counts, 'filled');

         效果图：

         从直方图中可以得到的信息：

         哪个区域的像素统计数量较多，那么图像就偏向那个区域。

• 实现

	// 像素直方图，统计每个像素值出现的次数
    uint32_t pixelCounts[256] = { 0 };
    for (int i = 0; i < img.height; i++) {
        for (int j = 0; j < img.width; j++) {
            uint8_t pixelValue = img.arr[i][j];
            pixelCounts[pixelValue]++;				// 直接统计的结果值，未进行归一化处理
        }
    }

2、直方图均衡化

• 介绍： 直方图均衡化是一种利用图像直方图对图像对比度进行调整的方法。
• Matlab 中实现并显示
  代码部分：

img = imread('E:\BMP\GaryFrameTest.bmp');
[height, width] = size(img);
[counts, x] = imhist(img);
counts = counts / height / width;
subplot(1, 2, 1);
stem(x, counts, 'filled');

dstImg = histeq(img);			% 直方图均衡化		
[dstCounts, dst_x] = imhist(dstImg);			
dstCounts = dstCounts / height / width;
subplot(1, 2, 2);
stem(dst_x, dstCounts, 'filled');

         效果图：

         相关性质：

• 相关具体的公式证明可以查看该博文：matlab 直方图均衡化

• 简洁说明：因为截图不清楚，可以查看 简洁计算公式说明 这篇博客的内容。
  

• 代码实现

/************************************************************
*Function:		histogramEqualization
*Description:	直方图均衡化 　
*Params:		img - GrayFrame 结构体
*Return:		dstImg - 结果图像
************************************************************/
struct GrayFrameInfo histogramEqualization(struct GrayFrameInfo img)
{
    GrayFrameInfo dstImg = dstImg.createNewImgSpace(img);

    // 得到总的像素个数
    uint32_t Num = img.width * img.height;

    // 像素直方图，统计每个像素值出现的次数
    uint32_t pixelCounts[256] = { 0 };
    for (int i = 0; i < img.height; i++) {
        for (int j = 0; j < img.width; j++) {
            uint8_t pixelValue = img.arr[i][j];
            pixelCounts[pixelValue]++;
        }
    }

    // 得到像素直方图的累加和
    double histMap = 255.0 / Num;
    uint32_t sum = 0, sumCounts[256] = { 0 };
    uint8_t histMapCounts[256] = { 0 };
    for (int i = 0; i < 256; i++) {
        sum += pixelCounts[i];
        sumCounts[i] = sum;
        histMapCounts[i] = (uint8_t)(sumCounts[i] * histMap + 0.5);              // 计算映射值
    }

    // 循环赋值结果图像像素    
    for (int i = 0; i < img.height; i++) {
        for (int j = 0; j < img.width; j++) {
            dstImg.arr[i][j] = histMapCounts[img.arr[i][j]];
        }
    }

    return dstImg;
}

• 结果说明：

  与 Matlab 的结果相比仍有不小差距。。。中间的凹谷不知道该如何处理。。。