(1)直方图均衡。读入lena_gray.tif图像文件,画出其直方图,并解释之;对图像进行直方均衡,显示均衡后的图像及其直方图,并解释之;将均衡后的图像存为lena_gray_1.tif文件。再将lena_gray_1文件读入并重复上述过程,说明图像增强效果并解释之。
#include <opencv2/opencv.hpp>
#include<iostream>
#include"time.h"
#include<vector>
#include<map>
using namespace std;
using namespace cv;
int main( )
{ Mat srcImage, dstImage;
srcImage = imread("image/lena.tif",IMREAD_GRAYSCALE);
imshow("【原图】", srcImage);
/* 调本地彩色图片时用
Mat src_gray;
cvtColor(srcImage, src_gray, COLOR_BGR2GRAY);
imshow("【灰度图】", src_gray);
*/
//需要计算图像的哪个通道(bgr空间需要确定计算 b或g或r空间)
const int channels[1] = { 0 };
//直方图的每一个维度的 柱条的数目(就是将灰度级分组)
int histSize[] = { 256 }; //如果这里写成int histSize = 256; 那么下面调用计算直方图的函数的时候,该变量需要写 &histSize
//定义一个变量用来存储 单个维度 的数值的取值范围
float midRanges[] = { 0, 256 };
//确定每个维度的取值范围,就是横坐标的总数
const float *ranges[] = { midRanges };
//输出的结果存储的 空间 ,用MatND类型来存储结果 MatND表示多为矩阵在opencv2.2后统一用Mat
MatND dstHist;
calcHist(&srcImage, 1, channels, Mat(), dstHist, 1, histSize, ranges, true, false);
//calcHist 函数调用结束后,dstHist变量中将储存了 直方图的信息 用dstHist的模版函数 at<Type>(i)得到第i个柱条的值 at<Type>(i, j)得到第i个并且第j个柱条的值
//首先先创建一个黑底的图像,为了可以显示彩色,所以该绘制图像是一个8位的3通道图像
Mat drawImage = Mat::zeros(Size(300, 256), CV_8UC3);
//一个图像的某个灰度级的像素个数(最多为图像像素总数),可能会超过显示直方图的所定义的图像的尺寸,因此绘制直方图的时候,让直方图最高的地方只有图像高度的90%来显示
//先用minMaxLoc函数来得到计算直方图后的像素的最大个数
double g_dHistMaxValue;
minMaxLoc(dstHist, 0, &g_dHistMaxValue, 0, 0);
//遍历直方图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(256 * 0.9 *(dstHist.at<float>(i) / g_dHistMaxValue));
line(drawImage, Point(i, drawImage.rows - 1), Point(i, drawImage.rows - 1 - value), Scalar(255, 0, 0));
}
imshow("【原图像的直方图】", drawImage);
//*****直方图均衡化
equalizeHist(srcImage, dstImage); //直方图均衡化
imwrite("../Images\\lena_gray_1.tif",dstImage);//图片保存到本工程目录中
String windowNameHist = "【直方图均衡化后图像】";
namedWindow(windowNameHist, WINDOW_AUTOSIZE); //显示图像 imshow(windowNameSrc, srcImage);
imshow(windowNameHist, dstImage); //显示直方图均衡化后图像
const int channels1[1] = { 0 };
//直方图的每一个维度的 柱条的数目(就是将灰度级分组)
int histSize1[] = { 256 };
//定义一个变量用来存储 单个维度 的数值的取值范围
float midRanges1[] = { 0, 256 };
//确定每个维度的取值范围,就是横坐标的总数
const float *ranges1[] = { midRanges1 };
//输出的结果存储的 空间 ,用MatND类型来存储结果
MatND dstHist1;
calcHist(&dstImage, 1, channels1, Mat(), dstHist1, 1, histSize1, ranges1, true, false);
//calcHist 函数调用结束后,dstHist变量中将储存了 直方图的信息 用dstHist的模版函数 at<Type>(i)得到第i个柱条的值 at<Type>(i, j)得到第i个并且第j个柱条的值
//首先先创建一个黑底的图像,绘制图像是一个8位的3通道图像,可以显示彩色图像 直方图
Mat drawImage2 = Mat::zeros(Size(300, 256), CV_8UC3);//彩色直方图
//Mat drawImage2 = Mat::zeros(Size(256, 256), CV_8UC1);//单通道灰度直方图
//先用minMaxLoc函数来得到计算直方图后的像素的最大个数
double g_dHistMaxValue1;
minMaxLoc(dstHist1, 0, &g_dHistMaxValue1, 0, 0);
//遍历直方图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(256 * 0.9 *(dstHist1.at<float>(i) / g_dHistMaxValue1));
line(drawImage2, Point(i, drawImage2.rows - 1), Point(i, drawImage2.rows - 1 - value), Scalar(255,0,0));//直方图颜色Scalar和背景色相加
}
String w = "均衡化后图像的直方图";
namedWindow(w, WINDOW_AUTOSIZE);
imshow(w, drawImage2);
Mat SecImage,Image2;
SecImage = imread("../Images/origin/lena_gray_1.tif",IMREAD_GRAYSCALE); waitKey(0);
return 0;
}
运行效果如下:
图像的直方图及其均衡对比