OpenCV Java 图像直方图均衡化及直方图绘制

什么是直方图均衡化

直方图均衡化通常用来增加图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。

绘制直方图为什么要先归一化

opencv中用calHist函数得到直方图信息后，需要将其绘制出来，但是有些像素点的统计次数可能几千次甚至上万次，为了将其在一个预先确定大小的图中绘制出来，需要将得到的直方图各个像素点的次数归一化到范围内，再进行绘制。

package com.opencv;

import java.util.LinkedList;
import java.util.List;

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfFloat;
import org.opencv.core.MatOfInt;
import org.opencv.core.Scalar;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class OpenCvMain {
	
	//静态代码块加载动态链接库
	static {
		System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
	}

	public static void main(String[] args) {
		
		/*
		 * IMREAD_UNCHANGED = -1 ：不进行转化，比如保存为了16位的图片，读取出来仍然为16位。
		 * IMREAD_GRAYSCALE = 0 ：进行转化为灰度图，比如保存为了16位的图片，读取出来为8位，类型为CV_8UC1。
		 * IMREAD_COLOR = 1 ：进行转化为三通道图像。
		 * IMREAD_ANYDEPTH = 2 ：如果图像深度为16位则读出为16位，32位则读出为32位，其余的转化为8位。
		 * IMREAD_ANYCOLOR = 4 ：图像以任何可能的颜色格式读取
		 * IMREAD_LOAD_GDAL = 8 ：使用GDAL驱动读取文件，GDAL(Geospatial Data Abstraction
		 * Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。
		 *	它还有一系列命令行工具来进行数据转换和处理。
		 */
		
		Mat src = Imgcodecs.imread("D:\\1234.jpg",0);
		//Imgproc.resize(src, src, new Size(src.cols()/2,src.rows()/2));
		
		HighGui.imshow("原图", src);
		HighGui.waitKey();
		
		ImgCalcHist(src,"原图直方图");
		
		Mat dst = new Mat();
		//直方图均衡化,该算法对亮度进行归一化并增加图像的对比度。
		Imgproc.equalizeHist(src,dst);
		HighGui.imshow("直方图均衡化", dst);
		HighGui.waitKey();
		
		ImgCalcHist(dst,"直方图均衡化后的直方图");
		
	}
	
	/**
	 * 直方图
	 * @param src
	 * @param windowName
	 */
	public static void ImgCalcHist(Mat src,String windowName) {
		
		List<Mat> matList = new LinkedList<Mat>();
		matList.add(src);
		
		Mat histogram = new Mat();
		
		MatOfFloat ranges=new MatOfFloat(0,256);
		MatOfInt histSize = new MatOfInt(300);
		
		/*
		 * 计算直方图
		 * List<Mat> images：输入图像
		 * MatOfInt channels：需要统计直方图的第几通道
		 * Mat mask：掩膜，，计算掩膜内的直方图 
		 * Mat hist:输出的直方图数组
		 * MatOfInt histSize：指的是直方图分成多少个区间，就是bin的个数 
		 * MatOfFloat ranges： 统计像素值得区间
		 */
		Imgproc.calcHist(matList,new MatOfInt(0),new Mat(),histogram,histSize ,ranges);
		//创建直方图面板
		Mat histImage = Mat.zeros( 150, (int)histSize.get(0, 0)[0], CvType.CV_8UC1);
		//归一化直方图 详见https://blog.csdn.net/ren365880/article/details/103923813
		Core.normalize(histogram, histogram, 1, histImage.rows() , Core.NORM_MINMAX, -1, new Mat() );   
		//绘制直线 详见：https://blog.csdn.net/ren365880/article/details/103952856
		for( int i = 0; i < (int)histSize.get(0, 0)[0]; i++ ){                   
			Imgproc.line(histImage,new org.opencv.core.Point(i, histImage.rows()),new org.opencv.core.Point(i, histImage.rows()-Math.round( histogram.get(i,0)[0])) ,new Scalar( 255, 255, 255),1, 8, 0 );
		}
		HighGui.imshow(windowName, histImage);
		HighGui.waitKey();
	}
	
	
}