java怎么实现直方图均衡化_实现直方图均衡化（java+opencv）

什么是直方图均衡化？

直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布(均衡)的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强图像整体对比度的效果。换言之，直方图均衡化的基本原理是：对在图像中像素个数多的灰度值(即对画面起主要作用的灰度值)进行展宽，而对像素个数少的灰度值(即对画面不起主要作用的灰度值)进行归并，从而增大对比度，使图像清晰，达到增强的目的。举个例子，如图中所示，左图为原始图像，右图为直方图均衡化后的图像。

个人的理解是，直方图可以提高图像的对比度，对于原本对比度较低的图像效果比较明显。

直方图的概念

对一幅灰度图像，其直方图反映了该图像中不同灰度级出现的统计情况。图2给出了一个直方图的示例，其中图(a)是一幅图像，其灰度直方图可表示为图(b)，其中横轴表示图像的各灰度级，纵轴表示图像中各灰度级像素的个数。(需要注意，灰度直方图表示了在图像中各个单独灰度级的分布，而图像对比度则取决于相邻近像素之间灰度级的关系。)

严格地说，图像的灰度直方图是一个一维的离散函数，可写成：

                 

(公式1)

式中，是图像中灰度级为的像素的个数。直方图的每一列(称为bin)的高度对应。直方图提供了原图中各种灰度值分布的情况，也可以说直方图给出了一幅图像所有灰度值的整体描述。直方图的均值和方差也是图像灰度的均值和方差。图像的视觉效果与其直方图有对应关系，或者说，直方图的形状和改变对图像有很大的影响。

在直方图的基础上，进一步定义归一化的直方图为灰度级出现的相对频率

。即：

      (公式2)

式中，表示图像的像素的总数，是图像中灰度级为的像素的个数。

直方图均衡化的步骤

使用java实现直方图均衡化

importjava.util.LinkedList;importjava.util.List;importorg.opencv.core.Core;importorg.opencv.core.CvType;importorg.opencv.core.Mat;importorg.opencv.core.MatOfFloat;importorg.opencv.core.MatOfInt;importorg.opencv.core.Scalar;importorg.opencv.highgui.HighGui;importorg.opencv.imgcodecs.Imgcodecs;importorg.opencv.imgproc.Imgproc;public classhuiduhua {//静态代码块加载动态链接库

static{

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

}public static voidmain(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("./data/huiduhua.png",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= newMat();//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

*@paramsrc

*@paramwindowName*/

public static voidImgCalcHist(Mat src,String windowName) {

List matList = new LinkedList();

matList.add(src);

Mat histogram= newMat();

MatOfFloat ranges=new MatOfFloat(0,256);

MatOfInt histSize= new MatOfInt(300);/** 计算直方图

* List 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),newMat(),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, newMat() );//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();

}

}

效果：