【OpenCV】直方图应用：直方图均衡化，直方图匹配，对比直方图

最新推荐文章于 2024-07-31 14:06:33 发布

xiaowei_cqu

最新推荐文章于 2024-07-31 14:06:33 发布

阅读量7.5w

点赞数 40

分类专栏：【OpenCV学习与实践】文章标签： image float null merge dst c

本文链接：https://blog.csdn.net/xiaowei_cqu/article/details/7606607

版权

本文介绍了如何使用OpenCV进行图像的直方图均衡化和匹配，通过cvEqualizeHist函数实现灰度图像的均衡化，并展示了实践效果。此外，还探讨了直方图匹配的概念，以及比较了不同光照条件下图像的直方图差异。提供了相关实验代码的下载链接。

摘要由CSDN通过智能技术生成

前面介绍了数字图像灰度直方图，现在来尝试直方图的应用。

直方图均衡化

直方图均衡化（Histogram Equalization）是直方图最典型的应用，是图像点运算的一种。对于一幅输入图像，通过运算产生一幅输出图像，点运算是指输出图像的每个像素点的灰度值由输入像素点决定，即：

直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数过程。从分布图上的理解就是希望原始图像中y轴的值在新的分布中尽可能的展开。变换过程是利用累积分布函数对原始分布进行映射，生成新的均匀拉伸的分布。因此对应每个点的操作是寻找原始分布中y值在均匀分布中的位置，如下图是理想的单纯高斯分布映射的示意图：

（图片来源：《Learnning OpenCV》 p189）

OpenCV中的cvEqualizeHist

OpenCV中有灰度直方图均衡化的函数cvEqualizeHist，接口很明朗：

void cvEqualizeHist( const CvArr* src, CvArr* dst );

注意此函数只能处理单通道的灰色图像，对于彩色图像，我们可以把每个信道分别均衡化，再Merge为彩色图像。

实践：图像直方图均衡化

int main()
{
	IplImage * image= cvLoadImage("baboon.jpg");
	//显示原图及直方图
	myShowHist("Source",image);
	
	IplImage* eqlimage=cvCreateImage(cvGetSize(image),image->depth,3);
	//分别均衡化每个信道
	IplImage* redImage=cvCreateImage(cvGetSize(image),image->depth,1);
	IplImage* greenImage=cvCreateImage(cvGetSize(image),image->depth,1);
	IplImage* blueIm