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: