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: