直方图均衡化（不直接用opencv均衡化函数）

opoencv直接提供了equalizeHist(src, dst); 来均衡化处理，很多图像处理的书本介绍均衡化的都差不多，最后归结到一个对于离散灰度级的转换公式。参考书本《数字图像处理与机器视觉》的P90-91.

该书下载地址：http://pan.baidu.com/share/link?shareid=3551301329&uk=1610854122

效果跟直接使用函数式一样的。

但是我的水平有限，使用的方法比opencv直接提供的方法慢很多。请给菜鸟提宝贵建议。

修改上面的for循环，使用ptr函数。但是时间居然比at长，好郁闷啊。

Mat Hist_equalize(Mat &image)
{
	Mat inputimage;
	inputimage = image;
	cvtColor(inputimage, inputimage, CV_BGR2GRAY);//灰度化
	int Area = inputimage.rows * inputimage.cols;//计算总像素
	int Dmax = 255;

	int histSize = 256;//设置bin数目
	float range[] = {0, 255};//设定取值范围
	const float* histRange = { range };
	bool uniform = true;
	bool accumulate = false;

	Mat output_hist;//存储直方图矩阵

	///计算直方图
	//rgb_planes[]输入的通道数
	//1：输入数组的个数
	//0：需要统计的通道（dim）索引，统计灰度，写0就可以了
	//Mat（）：掩码（0表示忽略该像素），如果未定义，则不适用掩码
	//output_hist:存储直方图的矩阵
	//1：直方图维数
	//histSize：每个维度的bin数目
	//histrange：每个维度的取值范围
	//uniform和accumulate:bin大小相同，清楚直方图痕迹
	calcHist(&inputimage, 1, 0, Mat(), output_hist, 1, &histSize, &histRange, uniform, accumulate);

	inputimage.convertTo(inputimage, CV_64FC1, 1, 0);
	output_hist.convertTo(output_hist, CV_64FC1, 1, 0);
	double tempDB;//转换后的灰度值
	for (int i = 0; i < 512; i++)
	{
		for (int j = 0; j < 512; j++)
		{
			int gray_before = (int)inputimage.at<double>(i,j);//转换前的灰度值
			
			tempDB = 0;//累加器清零
			for (int k = 0; k <= gray_before; k++)
			{
				tempDB += output_hist.at<double>(k,0);//灰度均衡转换
			}
			inputimage.at<double>(i,j) = tempDB*Dmax/Area;
		}
	}
	inputimage.convertTo(inputimage, CV_8UC1, 1, 0);
	return inputimage;
}

改造的for循环：

for (int i = 0; i < 512; i++)
{
	double* datain = inputimage.ptr<double>(i);
	for (int j = 0; j < 512; j++)
	{
		int gray_before = (int)datain[j];//(int)inputimage.at<double>(i,j);//转换前的灰度值
		tempDB = 0;//累加器清零
		for (int k = 0; k <= gray_before; k++)
		{
			double* dataout = output_hist.ptr<double>(k);
			tempDB +=dataout[0];
			//tempDB += output_hist.at<double>(k,0);//灰度均衡转换
		}
		//inputimage.at<double>(i,j) = tempDB*Dmax/Area;
		datain[j] = tempDB*Dmax/Area;
	}
}