直方图均衡化

目标：

在这篇教程中你将学到：

什么是图像的直方图和它的用处是什么？

使用OpenCV函数：equalize_hist:equalizeHist<>来对图像直方图均衡化

理论:

什么是图像直方图？

它是代表一个图像强度的分布密度。

它将每个密度的数值的个数都考虑在内。

什么是直方图均衡化?

它是一种提高图像对比度的方法，通过延伸强度的范围。

为了使它更加清楚，通过上面的图片，你可以看到周围的像素似乎集群的可用范围的强度。直方图均衡化是伸展这个范围。绿色圆圈表示密度稀少的强度。均衡化后,我们得到一个直方图像中间的图。生成的图像显示在右图。

它是如何工作的？

均衡一位置映射一个分布（给定的直方图）到另一个分布（一个更大更均匀的分布密度值）及密度值在整个范围内延伸了。

完成均衡效果，重新映射应该累计分布函数（cdf)（更多细节，请参阅学习openCV）。对于直方图,它的累加分布是：

要使用这个重新映射函数,我们必须规范化直方图函数例如最大值是255(或图像的强度的最大值)。从上面的例子中,累积函数是:

最后,我们使用一个简单的重新映射过程得到的强度值平衡的图片:

代码：

#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <stdio.h>
usingnamespace cv;
usingnamespace std;
int main( int argc, char** argv )
{
  Mat src, dst;

  char* source_window ="Source image";
  char* equalized_window ="Equalized Image";

  /// Load image
  src = imread( argv[1], 1 );

  if( !src.data )
    { cout<<"Usage: ./Histogram_Demo <path_to_image>"<<endl;
      return-1;}

  /// Convert to grayscale
  cvtColor( src, src, CV_BGR2GRAY );

  /// Apply Histogram Equalization
  equalizeHist( src, dst );

  /// Display results
  namedWindow( source_window, CV_WINDOW_AUTOSIZE );
  namedWindow( equalized_window, CV_WINDOW_AUTOSIZE );

  imshow( source_window, src );
  imshow( equalized_window, dst );

  /// Wait until user exits the program
  waitKey(0);

  return0;
}
结果：

	1.欣赏更好的均衡的结果,我们引入一个与不多的对比图片,如:

	它的直方图是：

	注意,像素都聚集在直方图的中心

	2.我们应用均衡后,我们得到了这个结果:

	这张照片确实对比度更强。查看新的直方图: