OpenCV22---直方图均衡化

二十二、直方图均衡化

1、什么是直方图（Histogram）

• 统计每一个像素值出现的次数，根据每一个像素值的频次生成直方图。纵坐标是出现的频次，横坐标是像素值。所有的频次加起来就是图像所含有的像素数量。符合这种特征的数据都可以做直方图。即数据的范围有限，统计数据在这个范围内各个位置出现的频次就可以做直方图。
  
• 图像直方图，是指对整个图像在灰度范围内的像素值（0~255）统计出现频次次数，据此生成的直方图，称为图像直方图。直方图反映了图像灰度的分布情况。是图像的统计学特征。

2、直方图均衡化

• 基本思想：把原始图像的直方图变换为均匀分布的形式。
• 是一种提高图像对比度的方法，拉伸图像灰度值范围。
• 如何实现，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一个分布，然后在得到映射后的像素即可。这里映射需要一个增强函数，这个函数应是一个单值单增函数，保证原图各灰度级变换之后仍保持原来的排列顺序；这个函数应能确保变换后的图像的像素范围不变。
  
  如图所示，从这幅图片的原始直方图中可以看出，这幅图像中处于中间像素值的像素点偏多，即其像素值的动态范围偏小，这样整幅图像的对比度不会明显（因为大部分像素的像素值都集中分布在一个很小的范围内）。如果把原始图像的直方图变换为整个灰度范围内均匀分布的形式，这样就增加了像素值的动态范围，从而达到增强图像整体对比度的效果。且变换后的图像的像素值范围没有变化，各灰度级的顺序也没变，只是被拉伸了。例如：原来127左右126和128的像素值出现的频次都很高，拉伸之后可能分别到了120和134的位置。

3、API说明cv::equalizeHist

equalizeHist(
InputArray src,//输入图像，必须是8bit的灰度图像
OutputArray dst//输出结果
)

输出效果如图所示：