OpenCV-图像处理(23、直方图均衡化)

在这里插入图片描述

图像直方图

  • 图像直方图,是指对整个图像像在灰度范围内的像素值(0~255)统计出现频率次数,据此生成的直方图,称为图像直方图-直方图。直方图反映了图像灰度的分布情况。是图像的统计学特征。
    在这里插入图片描述

直方图均衡化:

  • 是一种提高图像对比度的方法,拉伸图像灰度值范围。让图像更均衡。对于图像的特征提取是非常有用的
  • 通过remap我们知道可以将图像灰度分布从一个分布映射到另外一个分布,然后在得到映射后的像素值即可。
  • 提升对比度:就是图像中所有的像素值之间的差异都比较明显
    • 均衡意味着将一个分布(给定的直方图)映射到另一个分布(更宽和更均匀的强度值分布),因此强度值在整个范围内扩展。
    • 要实现均衡效果,重映射应该是累积分布函数(cdf)。 对于直方图H(i),其累积分布H’(i)是:
      在这里插入图片描述
    • 要将其用作重新映射函数,我们必须对H’(i)进行归一化,使得最大值为255(或图像强度的最大值)。 从上面的例子中,累积函数是:
      在这里插入图片描述
    • 最后,我们使用简单的重新映射程序来获得均衡图像的强度值:
      在这里插入图片描述

在这里插入图片描述

API说明cv::equalizeHist

equalizeHist(
InputArray src,//输入图像,必须是8-bit的单通道图像
OutputArray dst// 输出结果
)

程序代码

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

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
	Mat src, dst;
	//1. 读取图像
	src = imread("E:/Experiment/OpenCV/Pictures/dog2.jpg");
	if( src.empty() ){ 
		cout<<"Usage: ./Histogram_Demo <path_to_image>"<<endl;
		return -1;
	}
	
	// 2. 将其转换为灰度:
	cvtColor( src, src, COLOR_BGR2GRAY );
	
	// 3. 使用函数cv :: equalizeHist应用直方图均衡
	equalizeHist( src, dst );
	
	// 4. 显示两个图像(原始图像和均衡图像):
	imshow( "Source image", src );
	imshow( "Equalized Image", dst );

	waitKey(0);
	return 0;
}

运行截图

在这里插入图片描述

参考博客:

  1. https://blog.csdn.net/LYKymy/article/details/83188995
  2. https://blog.csdn.net/huanghuangjin/article/details/81171721
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值