5.10直方图均衡化

基本概念

直方图均衡化（Histogram Equalization）是一种常用的图像处理技术，用于改善图像的对比度。通过调整图像中像素值的分布，直方图均衡化可以使图像的动态范围更广，从而增强图像的细节可见度。

直方图均衡化原理

直方图均衡化的基本步骤如下：

1. 计算图像的灰度直方图：统计每个灰度级的像素数量。

2. 计算累积分布函数（CDF）：根据直方图计算每个灰度级的累积概率。

3. 映射原始灰度级到新的灰度级：将每个灰度级映射到新的灰度级，使得新的灰度级分布尽可能均匀。

OpenCV中的直方图均衡化

在OpenCV中，可以使用equalizeHist函数来实现灰度图像的直方图均衡化。对于彩色图像，通常需要将其转换为灰度图像后再进行均衡化，或者对每个颜色通道分别进行均衡化。

函数原型

对于灰度图像，可以使用以下函数：
void equalizeHist(
    InputArray src,
    OutputArray dst
);

对于彩色图像，可以使用循环来分别对每个颜色通道进行均衡化：
void split(const InputArray M, OutputArrayOfArrays mv);
void merge(const InputArrayOfArrays mv, OutputArray M);


参数说明
•src：输入图像，通常是灰度图像。
•dst：输出图像，与输入图像具有相同的大小和类型。

示例代码1

下面是一个使用OpenCV C++实现直方图均衡化的示例代码：

对灰度图像进行直方图均衡化

//对灰度图像进行直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
	/*if (argc != 2)
	{
		cout << "Usage: ./HistogramEqualization <Image Path>" << endl;
		return -1;
	}*/

	// 加载图像
	Mat img = imread("89.jpeg", IMREAD_GRAYSCALE);
	if (img.empty()) 
	{
		cout << "Error opening image" << endl;
		return -1;
	}

	// 创建输出图像
	Mat eq_img;

	// 执行直方图均衡化
	equalizeHist(img, eq_img);

	// 显示结果
	//imshow("Original Image", img);
	namedWindow("Original Image", cv::WINDOW_NORMAL);
	imshow("Original Image", img);
	namedWindow("Equalized Image", cv::WINDOW_NORMAL);
	imshow("Equalized Image", eq_img);

	waitKey(0);
	destroyAllWindows();

	return 0;
}

运行结果1

示例代码2

对彩色图像进行直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

void equalizeHistColor(Mat &src, Mat &dst) 
{
	vector<Mat> bgr_planes;
	split(src, bgr_planes);  // 分割为BGR三个平面

	// 对每个颜色通道进行直方图均衡化
	for (int i = 0; i < 3; i++) 
	{
		equalizeHist(bgr_planes[i], bgr_planes[i]);
	}

	// 合并回彩色图像
	merge(bgr_planes, dst);
}

int main(int argc, char** argv) 
{
	/*if (argc != 2) 
	{
		cout << "Usage: ./HistogramEqualization <Image Path>" << endl;
		return -1;
	}*/

	// 加载图像
	Mat img = imread("89.png");
	if (img.empty()) 
	{
		cout << "Error opening image" << endl;
		return -1;
	}

	// 创建输出图像
	Mat eq_img;

	// 执行直方图均衡化
	equalizeHistColor(img, eq_img);

	// 显示结果
	namedWindow("Original Image", cv::WINDOW_NORMAL);
	imshow("Original Image", img);
	namedWindow("Equalized Image", cv::WINDOW_NORMAL);
	imshow("Equalized Image", eq_img);

	waitKey(0);
	destroyAllWindows();

	return 0;
}

代码解释
1. 加载图像：使用 imread 函数加载图像。
2. 执行直方图均衡化： 
•对于灰度图像，直接使用 equalizeHist 函数进行均衡化。
•对于彩色图像，先将图像拆分为BGR三个颜色通道，然后对每个通道分别进行直方图均衡化，最后再合并回彩色图像。
3. 显示结果：使用 imshow 函数显示原始图像和均衡化后的图像。

注意事项
•图像类型：确保输入图像的类型正确。灰度图像使用 IMREAD_GRAYSCALE 标志读取。
•颜色通道处理：对于彩色图像，需要对每个颜色通道分别进行直方图均衡化，然后合并回彩色图像。
•显示效果：直方图均衡化可能会增强图像的对比度，但也可能导致某些区域过曝或欠曝，因此在实际应用中需要根据具体情况进行调整。

应用场景
•图像增强：提高图像的对比度，使图像的细节更加清晰。
•图像预处理：在图像识别和分析前，进行直方图均衡化可以改善图像质量，有利于后续处理。
•医学成像：在医学图像处理中，直方图均衡化可以增强图像中的细节，有助于诊断。

运行结果2

直方图均衡化的效果

直方图均衡化可以使图像的灰度分布更加均匀，从而增强图像的整体对比度。这对于图像的视觉效果和后续的图像处理都有积极的作用。

实验代码3

5.10不用函数实现直方图均衡化

#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>
//#pragma comment(lib, "opencv_world450d.lib")  //引用引入库 
using namespace cv;
using namespace std;

int jh(char imgfn[])
{
	Mat temp = imread(imgfn, 0);
	if (temp.empty())
	{
		printf("open %s failed.", imgfn);
		return -1;
	}	
	//Mat temp = imread("img.png", 0);

	namedWindow("原图像", WINDOW_NORMAL);
	imshow("原图像", temp);
	//equalizeHist(temp, temp);
	int Total = temp.total();
	//统计各像素数量
	vector<int>nk(256, 0);

	//执行第一个步骤
	/*这个for循环统计每种灰度对应的像素数量，比如灰度是0的像素数量，灰度是255的像素数量，把每个nk计算出来 */
	for (int i = 0; i < temp.total(); ++i)
	{
		nk[temp.data[i]]++;  //temp.data[i]表示第i个像素的灰度值，范围是0~255
		//++表示每个灰度值
	}

	//执行第二个步骤
	for (int i = 1; i < 256; ++i) //这个for执行完毕后，nk[i]相当于公式中的累积分布函数sk，k和i是一个意思
	{
		nk[i] += nk[i - 1];
	}

	//第三步，重新建立映射关系
	//vector<int>均衡后像素值(256, 0);
	vector<int>dst_gray(256, 0);
	for (int i = 0; i < 256; ++i) 
	{
		//均衡后像素值[i] = (double(nk[i]) / Total) * 255;
		dst_gray[i] = (double(nk[i]) / Total) * 255;
	}
	for (int i = 0; i < temp.total(); ++i)
	{
		temp.data[i] = dst_gray[temp.data[i]];
		//temp.data[i] = 均衡后像素值[temp.data[i]];
	}


	namedWindow("均衡后图像", WINDOW_NORMAL);
	imshow("均衡后图像", temp);
	waitKey(-1); //按键后再继续
}
int main()
{
	jh((char*)"img.png");
	jh((char*)"img2.png");
}

运行结果3

补充实验原理

5.11使用equalizeHist函数

equalizeHist 是一个用于处理单通道8位图像（通常是灰度图像）的函数，其目的是通过均衡图像的直方图来提高图像的对比度。

void equalizeHist(InputArray src, OutputArray dst);

参数说明
InputArray src：这是输入的图像，它必须是一个单通道的8位图像（通常为灰度图）。如果输入的图像不是单通道或者不是8位，函数会抛出异常。
OutputArray dst：这是输出的图像，它和输入图像 src 具有相同的大小和类型。

功能描述
equalizeHist 函数执行以下操作：

直方图计算：首先，它计算输入图像的直方图，即每个灰度级出现的次数。
直方图归一化：然后，它将直方图归一化，使得直方图的所有值加起来等于255（对于8位图像），这样可以确保变换后的图像仍然处于有效的灰度级范围内。
累积分布函数（CDF）：接着，它计算归一化直方图的累积分布函数（CDF），累积分布函数表示小于或等于某个值的像素数量的比例。
图像变换：最后，它使用CDF作为查找表（LUT）来变换输入图像中的每个像素值，这样就得到了输出图像。
效果
通过上述步骤，直方图均衡化可以增加图像的全局对比度，尤其是在图像的背景和前景之间存在较大亮度差异的情况下。这使得图像看起来更清晰，细节更丰富。

注意事项
对于多通道彩色图像，需要分别对每个颜色通道应用直方图均衡化，或者使用其他技术如自适应直方图均衡化（CLAHE）。
直方图均衡化可能会导致过度放大噪声，因此，在某些情况下，可能需要在均衡化之前对图像进行平滑处理。

示例代码4

示例 灰度图像直方图均衡化

//示例 灰度图像直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>
//
using namespace std;
using namespace cv;

int main() 
{
	// 加载图像
	Mat img = imread("骠.jpeg", IMREAD_GRAYSCALE);
	if (img.empty())
	{
		std::cout << "Error loading image" << std::endl;
		return -1;
	}

	// 创建一个输出图像
	Mat imgEq;

	// 应用直方图均衡化
	equalizeHist(img, imgEq);

	// 显示原始图像和均衡化后的图像
	namedWindow("Original Image", WINDOW_NORMAL);
	imshow("Original Image", img);

	namedWindow("Equalized Image", WINDOW_NORMAL);
	imshow("Equalized Image", imgEq);

	waitKey(0); // 等待按键退出
	return 0;
}

运行结果4

示例代码5

//通道彩色图像分别对每个颜色通道应用直方图均衡化
//可以按照以下步骤编写代码：
//
//1.读取彩色图像。
//2.将图像从BGR颜色空间转换到YCrCb颜色空间。
//3.分离YCrCb颜色空间的三个通道。
//4.对亮度通道（Y通道）应用直方图均衡化。
//5.将均衡化的亮度通道与色度通道（Cr和Cb）合并回YCrCb颜色空间。
//6.将YCrCb颜色空间转换回BGR颜色空间。
//7.显示原始图像和均衡化后的图像。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
	// 加载图像
	Mat img = imread("78.png"); // 确保路径正确
	if (img.empty()) 
	{
		cerr << "无法加载图像，请检查文件路径是否正确。" << endl;
		return -1;
	}

	// 创建一个输出图像
	Mat imgEq;

	// 将BGR图像转换为YCrCb颜色空间
	cvtColor(img, img, COLOR_BGR2YCrCb);

	// 分离通道
	vector<Mat> channels;
	split(img, channels);

	// 对Y通道应用直方图均衡化
	equalizeHist(channels[0], channels[0]);

	// 合并通道
	merge(channels, img);

	// 将YCrCb图像转换回BGR颜色空间
	cvtColor(img, imgEq, COLOR_YCrCb2BGR);

	// 显示原始图像和均衡化后的图像
	namedWindow("Original Image", WINDOW_NORMAL);
	imshow("Original Image", img);

	namedWindow("Equalized Image", WINDOW_NORMAL);
	imshow("Equalized Image", imgEq);

	waitKey(0); // 等待按键退出

	return 0;
}


//代码说明
//1.加载图像：使用 imread 函数读取图像，并确保图像路径正确。
//2.转换颜色空间：将图像从BGR颜色空间转换到YCrCb颜色空间。YCrCb颜色空间将亮度信息（Y）和色度信息（Cr和Cb）分离，便于单独处理亮度信息。
//3.分离通道：使用 split 函数将YCrCb图像分解成三个独立的通道。
//4.直方图均衡化：仅对Y通道应用直方图均衡化。
//5.合并通道：使用 merge 函数将处理后的Y通道和未处理的Cr和Cb通道合并回一个YCrCb图像。
//6.转换回BGR：将处理后的YCrCb图像转换回BGR颜色空间。
//7.显示结果：使用 imshow 函数显示原始图像和均衡化后的图像，并等待用户按键退出。

运行结果5

实验代码6

#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>
//#pragma comment(lib, "opencv_world450d.lib")  //引用引入库 

using namespace cv;
using namespace std;

int main(int argc, char** argv) 
{
	Mat src = imread("03.jpeg");
	//Mat src2 = imread("img2.png");

	if (src.empty()) 
	{
		cout<<"不能加载图像！"<<endl;
		return -1;
	}
	Mat gray, dst;
	cvtColor(src, gray, COLOR_BGR2GRAY);
	//cvtColor(src2, gray2, COLOR_BGR2GRAY);

	namedWindow("原图", WINDOW_NORMAL);
	imshow("原图", src);
	//imshow("11--原图", gray2);
	equalizeHist(gray, dst);
	//equalizeHist(gray2, dst2);
	namedWindow("灰度图", WINDOW_NORMAL);
	imshow("灰度图", gray);
	namedWindow("直方图均衡化", WINDOW_NORMAL);
	imshow("直方图均衡化", dst);
	//imshow("22--直方图均衡化", dst2);

	waitKey(0);
	return 0;
}

运行结果6