直方图均衡化算法、直方图匹配算法 C++ 代码

鸿儒517

已于 2022-06-18 22:02:45 修改

阅读量2.9k

点赞数 10

分类专栏： C++ 笔记心得遥感

于 2022-06-18 17:31:51 首次发布

本文链接：https://blog.csdn.net/weixin_42727069/article/details/125343253

版权

算法 c++ opencv

笔记心得同时被 3 个专栏收录

71 篇文章 3 订阅

订阅专栏

C++

48 篇文章 2 订阅

订阅专栏

遥感

5 篇文章 1 订阅

订阅专栏

这两天一直在研究匀光匀色算法才了解到了直方图匹配算法，想要了解这个算法又要先了解直方图均衡化算法，通过网上查找了很多资料，没有现成C++代码，经过仔细思考和实验后大概复现了该算法。特此记录，以备查阅
参考链接如下：
1、匀光匀色–直方图匹配算法实现与应用
2、基于OpenCV的直方图匹配
3、直方图均衡化的数学原理

先介绍一下基本概念

测试数据

在这里插入图片描述
原始数据

在这里插入图片描述
底图影像

直方图匹配匀光匀色效果

从上图可以看出原始影像与模板颜色不一致，经过直方图匹配匀光匀色后颜色一致性较好。

直方图均衡算法

先看看直方图均衡算法原理知识：
在这里插入图片描述

先在根据上面的算法步骤，计算一幅影像的直方图均衡影像

1、获取一张影像Mat的直方图，即计算hs

void getImgHistogram(Mat image, map<int, double> & map)
{//获取一张影像Mat的直方图，即计算hs
	int w = image.cols;
	int h = image.rows;
	double totalPixel = w * h;
	
	double rate = 1 / (image.channels() * totalPixel);//所有像素分之一
	for (int i = 0; i < 256; i++) {
		//map.put(i, 0.0);// 通过循环，往集合里面填充0~255个位置,初始值都为0
		map[i] = 0.0;
	}

	//分别统计图像上0~255上分布总数
	for (int row = 0; row < h; row++) {
		uchar* uc_pixel = image.data + row * image.step;
		for (int col = 0; col < w; col++) {
			//uc_pixel[0] = 255 - uc_pixel[0];
			//uc_pixel[1] = 255 - uc_pixel[1];
			//uc_pixel[2] = 255 - uc_pixel[2];
			for (int BandID = 0; BandID < image.channels(); BandID++)
			{
				map[uc_pixel[BandID]] += rate;
			}
			uc_pixel += image.channels();
			//map[uc_pixel[0]] += rate;
			//map[uc_pixel[1]] += rate;
			//map[uc_pixel[2]] += rate;
			//uc_pixel += 3;
		}
	}
	return;
}

2、计算累计直方图，即hp

	double SrcSum = 0;
	map<int, double> SrcImg_AccMap;//计算累计直方图，即hp
	for (int i = 0; i < 256; i++)
	{
		SrcSum += SrcImg_map[i];
		SrcImg_AccMap[i] = SrcSum;
	}

3、对直方图中所有像素乘以255即可得到最终直方图均衡的影像，不单独列出代码，最后看所有代码里面可以找到。

所有代码如下：

#include <opencv.hpp>
#include <map>
#include <vector>

using namespace std;
using namespace cv;
void getImgHistogram(Mat image, map<int, double> & map);
Mat GetEquHistogramMat(Mat SrcImage, map<int, double> SrcImg_AccMap);//获取均衡化的影像Mat

int main()
{
	const char* SrcPath = "D:/datas/ColorMap/back/Test.png";
	const char* outPutPath = "D:/datas/ColorMap/back/Test_ZFTJH.png";
	Mat SrcImage = imread(SrcPath);
	map<int, double> SrcImg_map;//定义直方图map,直方图可以使用map进行定义，也可以使用一个一维数组定义
	getImgHistogram(SrcImage, SrcImg_map);//获取影像直方图
	//计算累计直方图
	double SrcSum = 0;
	map<int, double> SrcImg_AccMap;//累计直方图
	for (int i = 0; i < 256; i++)
	{
		SrcSum += SrcImg_map[i];
		SrcImg_AccMap[i] = SrcSum;

	}

	Mat SrcImage_Equ = GetEquHistogramMat(SrcImage, SrcImg_AccMap);//获取直方图均衡化的Mat
	imwrite(outPutPath, SrcImage_Equ);
	printf("Success save img:%s\n", outPutPath);
	imshow("SrcImage", SrcImage);
	imshow("SrcImage_Equ", SrcImage_Equ);
	waitKey(0);
	return 0;
}

void getImgHistogram(Mat image, map<int, double> & map)
{
	//获取影像直方图
	int w = image.cols;
	int h = image.rows;
	double totalPixel = w * h;

	double rate = 1 / (image.channels() * totalPixel);//所有像素分之一
	for (int i = 0; i < 256; i++) {
		// 通过循环，往集合里面填充0~255个位置,初始值都为0
		map[i] = 0.0;
	}

	//分别统计图像上0~255上分布总数
	for (int row = 0; row < h; row++) {
		uchar* uc_pixel = image.data + row * image.step;
		for (int col = 0; col < w; col++) {
			//每个波段像素
			for (int BandID = 0; BandID < image.channels(); BandID++)
			{
				map[uc_pixel[BandID]] += rate;
			}
			uc_pixel += image.channels();
			//map[uc_pixel[0]] += rate;
			//map[uc_pixel[1]] += rate;
			//map[uc_pixel[2]] += rate;
			//uc_pixel += 3;
		}
	}
	return;
}

Mat GetEquHistogramMat(Mat SrcImage, map<int, double> SrcImg_AccMap)//获取直方图均衡化的Mat
{//累计直方图，然后再每个直方图像素乘以255即得到均衡的直方图
	Mat resultImg = SrcImage.clone();//均衡化的src图
	for (int row = 0; row < resultImg.rows; row++) {
		uchar* uc_pixel = resultImg.data + row * resultImg.step;
		for (int col = 0; col < resultImg.cols; col++) {
			for (int BandID = 0; BandID < SrcImage.channels(); BandID++)
			{
				uc_pixel[BandID]=255* SrcImg_AccMap[uc_pixel[BandID]];
			}
			uc_pixel += SrcImage.channels();

			//uc_pixel[0] = 255 * SrcImg_AccMap[uc_pixel[0]];
			//uc_pixel[1] = 255 * SrcImg_AccMap[uc_pixel[1]];
			//uc_pixel[2] = 255 * SrcImg_AccMap[uc_pixel[2]];
			//uc_pixel += 3;
		}
	}
	return resultImg;


}

在这里插入图片描述

直方图匹配算法

直方图匹配算法是在直方图均衡算法基础上进行的衍生
直方图匹配：将一张图片的直方图匹配到目标图上，使两张图的视觉感觉接近
关于理论公式有很多，如果喜欢看理论知识，这里还有一篇博客：直方图匹配的数学原理。写了很多，但是公式太复杂了，看不是很懂。直到看了下面这幅图我才懂了直方图匹配的流程步骤
在这里插入图片描述
上图说的是待匹配影像A和参考底图B，分别对其进行直方图均衡化（说简单点就是累计直方图乘以255），输出的直方图均衡的影像称为：A_Equ、B_Equ影像，看A_Equ和B_Equ那个像素值距离最近，则将B上的该直方图值映射给A,形成一个映射表。例如通过上面最下面这副图可以得到映射表（映射表可以用map<int ,uchar>数据格式表达，或者uchar*的一维数组来表达，以数组下标表示直方图值），为了值观表达，上图的映射表{0：0，1：1，2：1，3：2，4：4}。
我认为上图映射表中其实有点问题（该表我是从参考链接三中搬过来的）：A图的像素3，转换成均衡化影像像素值为18，18这个值在B_Equ中距离15是3（fabs(18-15)），距离20是2（fabs(18-20)），依照取出B_Equ最近的像素作为映射像素，所以该值应该映射到B_Equ中的像素20，对应B中的的是3，所以映射表中3映射成3，而不是2。
最后一步就是根据引射表{0：0，1：1，2：1，3：2，4：4}进行修正A影像得到的就是右下角的直方图匹配后的影像，将该影像存出来则是最终结果。

注意这是直方图匹配大概流程，如果想要颜色与底图颜色更接近，则需要对待匹配影像的每个波段都与底图影像每个波段做匹配，效果则最好。

上代码：


#include <opencv.hpp>
#include <map>
#include <vector>


using namespace std;
using namespace cv;
void getSigBandImgHistogram(Mat SrcImage, map<int, double> &SrcImg_SigMap, int BandId);

int main(int argc, char* argv[])
{

	//const char* SrcPath = "D:/datas/test/ColorCorrection/Src.png";
	//const char* BaseMap = "D:/datas/test/ColorCorrection/baseMap.png";
	//const char* outPutPath= "D:/datas/test/ColorCorrection/outPut.png";

	const char* SrcPath = argv[1];
	const char* BaseMap = argv[2];
	const char* outPutPath = argv[3];
	int IsDislay = atoi(argv[4]);//是否显示匹配后影像效果，0为不显示，其他的都显示

	Mat SrcImage = imread(SrcPath);
	Mat BaseMapImg = imread(BaseMap);


	cout << SrcImage.channels() << endl;
	vector<uchar*>resultMultMap;//存储每个波段最终的映射关系
	for (int BandId = 0; BandId < SrcImage.channels(); BandId++)
	{//单独对影像每个波段进行直方图均衡，然后找到最终的映射关系
		printf("Start Get BandID:%d Histogram!\n", BandId);

		uchar* SigResultBandMap = new uchar[256];//首先定义一下单个波段的映射结果
		//1、获取单波段直方图
		map<int, double> SrcImg_SigMap;//
		map<int, double> BaseMapImg_SigMap;
		getSigBandImgHistogram(SrcImage, SrcImg_SigMap, BandId);
		getSigBandImgHistogram(BaseMapImg, BaseMapImg_SigMap, BandId);

		//计算累计直方图
		double BaseSum_SigMap = 0;
		double SrcSum_SigMap = 0;
		map<int, double> SrcImg_AccSigMap;//累计直方图
		map<int, double> BaseMapImg_AccSigMap;//累计直方图
		for (int i = 0; i < 256; i++)
		{
			SrcSum_SigMap += SrcImg_SigMap[i];
			SrcImg_AccSigMap[i] = SrcSum_SigMap;

			BaseSum_SigMap += BaseMapImg_SigMap[i];
			BaseMapImg_AccSigMap[i] = BaseSum_SigMap;
		}
		printf("Start Build resultMap :%d!\n", BandId);

		for (int i = 0; i < 256; i++)
		{
			double MinValue = 255;//最小值初始化
			for (int j = 0; j < 256; j++)
			{
				double SubVelue = fabs(SrcImg_AccSigMap[i] * 255 - BaseMapImg_AccSigMap[j] * 255);//取绝对值
				if (MinValue > SubVelue)
				{//找到最靠近直方图均衡化的值，作为映射值
					MinValue = SubVelue;
					SigResultBandMap[i] = j;
				}
			}
		}
		resultMultMap.push_back(SigResultBandMap);
	}
	//最后进行直方图像素替换
	Mat resultImg = SrcImage.clone();//均衡化的src图
	for (int row = 0; row < resultImg.rows; row++) {

		uchar* uc_pixel = resultImg.data + row * resultImg.step;
		for (int col = 0; col < resultImg.cols; col++)
		{
			for (int BID = 0; BID < SrcImage.channels(); BID++)
			{
				uc_pixel[BID] = resultMultMap[BID][uc_pixel[BID]];
			}
			//uc_pixel[0] = resultMap[uc_pixel[0]];
			//uc_pixel[2] = resultMap[uc_pixel[2]];
			//uc_pixel[1] = resultMap[uc_pixel[1]];
			//uc_pixel += 3;
			uc_pixel += SrcImage.channels();
		}
	}

	imwrite(outPutPath, resultImg);
	printf("Success save img:%s\n", outPutPath);

	if (IsDislay != 0)
	{//是否显示影像
		imshow("SrcImage", SrcImage);
		//imshow("SrcImage_Equ", SrcImage_Equ);
		imshow("BaseMapImg", BaseMapImg);
		//imshow("BaseMapImg_Equ", BaseMapImg_Equ);
		imshow("resultImg", resultImg);
		waitKey(0);
	}

	return 0;
}

void getSigBandImgHistogram(Mat SrcImage, map<int, double> &SrcImg_SigMap, int BandId)
{//获取指定波段的直方图信息
	int w = SrcImage.cols;
	int h = SrcImage.rows;
	double totalPixel = w * h;
	double rate = 1 / totalPixel;
	for (int i = 0; i < 256; i++) {
		//map.put(i, 0.0);// 通过循环，往集合里面填充0~255个位置,初始值都为0
		SrcImg_SigMap[i] = 0.0;
	}

	//分别统计图像上0~255上分布总数
	for (int row = 0; row < h; row++) {
		uchar* uc_pixel = SrcImage.data + row * SrcImage.step;
		for (int col = 0; col < w; col++) {
			SrcImg_SigMap[uc_pixel[BandId]] += rate;
			uc_pixel += 3;
		}
	}
	return;

}

结果如下图
在这里插入图片描述

鸿儒517

关注

10
点赞
踩
49

收藏

觉得还不错? 一键收藏
5
评论
直方图均衡化算法、直方图匹配算法 C++ 代码

这两天一直在研究云光匀色算法才了解到了直方图匹配算法，想要了解这个算法又要先了解直方图均衡化算法，通过网上查找了很多资料，没有现成C++代码，经过仔细思考和实验后大概复现了该算法。特此记录，以备查阅参考链接如下：1、匀光匀色–直方图匹配算法实现与应用2、基于OpenCV的直方图匹配3、直方图均衡化的数学原理先介绍一下基本概念原始数据底图影像直方图匹配匀光匀色效果从上图可以看出原始影像与模板颜色不一致，经过直方图匹配匀光匀色后颜色一致性较好。先看看直方图均衡算法原理知识：先在根据上
复制链接

扫一扫