环境:Windows10专业版 + IDEA2021.2.3 + jdk11.0.1 + OpenCV-460.jar
系列文章:
(一)Python+GDAL实现BSQ,BIP,BIL格式的相互转换
目录
一、直方图均衡化简介
直方图均衡化是一种图像处理技术,旨在通过改变图像的灰度分布来增强图像的对比度。
这项技术主要针对那些动态范围较小,即灰度级集中在较窄区间的图像,如过曝光或曝光不足的图像。直方图均衡化通过重新分配图像的灰度级,使得新的灰度直方图更加均匀分布,从而提高了图像的视觉效果。
以下是直方图均衡化的几个关键点:
1、改善对比度:直方图均衡化能够扩展图像中像素数量多的灰度级,同时压缩像素数量少的灰度级,这样可以使得图像的亮度和对比度得到改善。
2、处理低对比度图像:对于低对比度的图像,其亮度直方图上的像素通常只集中在某一段区间内。直方图均衡化可以将这些集中的像素值扩散到整个可用的灰度范围内,从而增加图像的视觉清晰度。
3、均匀灰度概率密度:直方图均衡化的目标是使图像的灰度概率密度分布变得更加均匀。这样,图像中的每个灰度级都能得到充分的利用,提高整体的视觉效果。
4、适用性:直方图均衡化适用于各种类型的图像,尤其是那些由于光照条件不佳导致灰度分布不均的图像。它可以有效地提高这些图像的质量,使其更适合进一步的图像处理或分析。
直方图均衡化是一种简单而有效的方法,它通过改变图像的灰度分布来增强图像的对比度,使得图像的细节更加清晰可见。这种方法在图像预处理阶段非常常用,尤其是在需要改善图像质量以便于后续处理或分析的情况下。
二、算法流程
1、根据图像计算直方图和累计直方图
2、将累计直方图进行区间转换
例如:已知一幅图像的像素分布为7×7,根据像素值,则可以计算得到统计直方图
根据统计直方图,可以算出归一化直方图和累计直方图
由8个灰度级转换为256个灰度级,进行区间转换,转换时对结果进行四舍五入,所以会出现两个灰度级转换并入一个灰度级
三、代码实现
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
/**
* @Author: jue_chen
* @Date: 2022/11/01/ 15:29
* @Attention: 转载, 引用请注明出处
*/
public class HistogramEqualization {
//加载本地动态链接库
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}
//直方图均衡化
public Mat histEqualization(String path) {
//以灰度图的形式读入
Mat mat = Imgcodecs.imread(path, 0);
HighGui.imshow("原图", mat);
//定义直方图均衡化后的图像
Mat mat_equalize = new Mat();
//进行直方图均衡化
Imgproc.equalizeHist(mat, mat_equalize);
HighGui.imshow("均衡化后的图像", mat_equalize);
HighGui.waitKey();
return mat_equalize;
}
public static void main(String[] args) {
HistogramEqualization he = new HistogramEqualization();
Mat mat = he.histEqualization("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\10.png");
//将均衡化后的图像存入文件
Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\10_he.png", mat);
}
}
四、实验结果
1、读入的图像
2、经过均衡化后的图像
从中可以看出图像的对比度得到了较大的提高,突出了更多的细节,直方图均衡化处理之后,原来比较少像素的灰度会被分配到别的灰度去,像素相对集中, 处理后灰度范围变大,对比度变大,清晰度变大,能有效增强图像。