OpenCV学习笔记：图像直方图函数calcHist()及均衡化示例记录

一、相关方法

1.图像的直方图： 在进行图像处理时，往往需要访问图像的灰度值（即像素），因而我们需要得到一个不同灰度的概率密度函数，称作该图像的直方图。图像直方图表示图像中各种灰度出现的频率。

2.直方图均衡化：对直方图进行建模，进而改变其对比度。

3.相关函数

（1）OpenCV中使用函数 void calcHist 计算图像的直方图，使用函数void equalizeHist进行直方图均衡化。

void calcHist(const Mat* images,int nimages,const int* chanels,
              InputArray mask,OutputArray hist,int dims,const int* histSize, 
              const float** ranges,bool uniform=true,bool accumulate = false)

参数说明：
①const Mat* images:第一个参数是集合中的第一幅图像的地址，可用于处理一批影像。
②int nimages：第二个参数的原图像的数量。
③const int* chanels：第三个参数是用来计算直方图的通道列表，通道数从0到2。
④InputArray mask：第四个参数是一个可选项，mask用来指示直方图中图像像素的个数。
⑤OutputArray hist：第五个参数是输出直方图。
⑥int dims：第六个参数是用于指示直方图的维数。
⑦const int* histSize：第七个参数是每一维度上直方图大小的数组。
⑧const float** ranges：第八参数是每一维度上直方图的边界维度数组。
⑨bool uniform=true：第九个参数表示直方图是否为均匀分布，默认情况下，Boolean值为true。
⑩bool accumulate = false：第十个参数表示直方图是否为累加的，默认情况下，Boolean值为false。

void equalizeHist(InputArray src,OutputArray dst)

参数说明：
InputArray src：第一个参数是输入图像。
OutputArray dst：第二个参数是输出图像。

（2）OpenCV中使用函数void compareHist进行两个图像直方图histImage1和histImage2的比较。

void compareHist(InputArray histImage1,InputAarray histImage2,method)

二、（实例一）彩色图像均衡化

1.完整代码

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

void histogramcalculation(const Mat &Image, Mat &histoImage)
{
	int histSize = 255;

	//对RGB设置范围
	float range[] = { 0, 256 };
	const float* histRange = { range };
	bool uniform = true;
	bool accumulate = false;
	Mat b_hist, g_hist, r_hist;

	vector <Mat>  bgr_planes;
	split(Image, bgr_planes);

	//计算各个直方图
	calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate);
	calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate);
	calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate);

	//为RGB绘制直方图
	int hist_w = 512;
	int hist_h = 400;
	int bin_w = cvRound((double)hist_w / histSize);

	Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));

	//将结果归一化为[0,histImage.rows]
	normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());

	//为每个通道进行绘制
	for (int i = 1; i < histSize; i++)
	{
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
			Point(bin_w*(i), hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, 8, 0);
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
			Point(bin_w*(i), hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, 8, 0);
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
			Point(bin_w*(i), hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, 8, 0);
	}
	histoImage = histImage;
}

int main()
{
	Mat src, imageq;
	Mat histImage;

	//读取原始影像
	src = imread("C:\\Users\\86151\\Pictures\\Camera Roll\\全智贤14.jpg");
	if (!src.data)
	{
		cout << "Error Image!" << endl;
		exit(1);
	}
	
	//将图像划分为3个部分(B、G、R)
	vector<Mat> bgr_planes;
	split(src, bgr_planes);

	//显示结果
	namedWindow("Source Image", WINDOW_NORMAL);
	imshow("Source Image",src);

	//计算原始影像每个通道的直方图
	histogramcalculation(src, histImage);

	//显示每个颜色通道的直方图
	namedWindow("Colour Image Histogram", WINDOW_NORMAL);
	imshow("Colour Image Histogram",histImage);

	//均衡化图像
	//直方图均衡化应用于每个通道
	equalizeHist(bgr_planes[0], bgr_planes[0]);
	equalizeHist(bgr_planes[1], bgr_planes[1]);
	equalizeHist(bgr_planes[2], bgr_planes[2]);

	//将均衡化的图像通道合并得到其均衡图像
	merge(bgr_planes, imageq);

	//显示均衡化图像
	namedWindow("Equalized Image",WINDOW_NORMAL);
	imshow("Equalized Image",imageq);

	//计算每个均衡化图像通道的直方图
	histogramcalculation(imageq,histImage);

	//显示均衡化图像的直方图
	namedWindow("Equalized Colour Image Histogram",WINDOW_NORMAL);
	imshow("Equalized Colour Image Histogram",histImage);

	//等待用户退出程序
	waitKey();
	return 0;
}

2.结果展示