【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 2025-05-05 21:32:36 发布
转载 最新推荐文章于 2025-05-05 21:32:36 发布 · 804 阅读 · 1

本文深入探讨图像处理中直方图均衡化和直方图匹配技术，包括直方图均衡化原理、OpenCV实现、实践案例、直方图对比方法及应用实例。详细解析如何通过直方图均衡化改善图像对比度，以及如何通过直方图匹配调整图像以适应特定需求。结合代码实例，展示图像处理过程中直方图技术的实际应用。

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：

[cpp] view plain copy print ?
  1. void cvEqualizeHist( const CvArr* src, CvArr* dst ); 
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

[cpp] view plain copy print ?
  1. int main()
  2. {
  3. IplImage * image= cvLoadImage("baboon.jpg");
  4. //显示原图及直方图
  5. myShowHist("Source",image);
  7. IplImage* eqlimage=cvCreateImage(cvGetSize(image),image->depth,3);
  8. //分别均衡化每个信道
  9. IplImage* redImage=cvCreateImage(cvGetSize(image),image->depth,1);
  10. IplImage* greenImage=cvCreateImage(cvGetSize(image),image->depth,1);
  11. IplImage* blueImage=cvCreateImage(cvGetSize(image),image->depth,1);
  12. cvSplit(image,blueImage,greenImage,redImage,NULL);
  14. cvEqualizeHist(redImage,redImage);
  15. cvEqualizeHist(greenImage,greenImage);
  16. cvEqualizeHist(blueImage,blueImage);
  17. //均衡化后的图像
  18. cvMerge(blueImage,greenImage,redImage,NULL,eqlimage);
  19. myShowHist("Equalized",eqlimage);
  20. } 
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* blueImage=cvCreateImage(cvGetSize(image),image->depth,1);
	cvSplit(image,blueImage,greenImage,redImage,NULL);

	cvEqualizeHist(redImage,redImage);
	cvEqualizeHist(greenImage,greenImage); 
	cvEqualizeHist(blueImage,blueImage); 
	//均衡化后的图像
	cvMerge(blueImage,greenImage,redImage,NULL,eqlimage);
	myShowHist("Equalized",eqlimage);
}
原始图像及灰度直方图如下：

均衡化后的直方图：



直方图匹配

直方图匹配又叫直方图规定化（Histogram Normalization/Matching）是指对一副图像进行变换，使其直方图与另一幅图像的直方图或特定函数形式的直方图进行匹配。应用场景如不同光照条件下的两幅图像，我们可以在比较两幅图像前先进行匹配变化。

参考shlkl99上传的直方图匹配代码，将图像规定化为高斯分布函数。

[cpp] view plain copy print ?
  1. //将图像与特定函数分布histv[]匹配
  2. void myHistMatch(IplImage *img,double histv[])
  3. {
  4. int bins = 256;
  5. int sizes[] = {bins};
  6. CvHistogram *hist = cvCreateHist(1,sizes,CV_HIST_ARRAY);
  7. cvCalcHist(&img,hist);
  8. cvNormalizeHist(hist,1);
  9. double val_1 = 0.0;
  10. double val_2 = 0.0;
  11. uchar T[256] = {0};
  12. double S[256] = {0};
  13. double G[256] = {0};
  14. for (int index = 0; index<256; ++index)
  15. {
  16. val_1 += cvQueryHistValue_1D(hist,index);
  17. val_2 += histv[index];
  18. G[index] = val_2;
  19. S[index] = val_1;
  20. }
  22. double min_val = 0.0;
  23. int PG = 0;
  24. for ( int i = 0; i<256; ++i)
  25. {
  26. min_val = 1.0;
  27. for(int j = 0;j<256; ++j)
  28. {
  29. if( (G[j] - S[i]) < min_val && (G[j] - S[i]) >= 0)
  30. {
  31. min_val = (G[j] - S[i]);
  32. PG = j;
  33. }
  35. }
  36. T[i] = (uchar)PG;
  37. }
  39. uchar *p = NULL;
  40. for (int x = 0; x<img->height;++x)
  41. {
  42. p = (uchar*)(img->imageData + img->widthStep*x);
  43. for (int y = 0; y<img->width;++y)
  44. {
  45. p[y] = T[p[y]];
  46. }
  47. }
  48. }
  50. // 生成高斯分布
  51. void GenerateGaussModel(double model[])
  52. {
  53. double m1,m2,sigma1,sigma2,A1,A2,K;
  54. m1 = 0.15;
  55. m2 = 0.75;
  56. sigma1 = 0.05;
  57. sigma2 = 0.05;
  58. A1 = 1;
  59. A2 = 0.07;
  60. K = 0.002;
  62. double c1 = A1*(1.0/(sqrt(2*CV_PI))*sigma1);
  63. double k1 = 2*sigma1*sigma1;
  64. double c2 = A2*(1.0/(sqrt(2*CV_PI))*sigma2);
  65. double k2 = 2*sigma2*sigma2;
  66. double p = 0.0,val= 0.0,z = 0.0;
  67. for (int zt = 0;zt < 256;++zt)
  68. {
  69. val = K + c1*exp(-(z-m1)*(z-m1)/k1) + c2*exp(-(z-m2)*(z-m2)/k2);
  70. model[zt] = val;
  71. p = p +val;
  72. z = z + 1.0/256;
  73. }
  74. for (int i = 0;i<256; ++i)
  75. {
  76. model[i] = model[i]/p;
  77. }
  78. } 
//将图像与特定函数分布histv[]匹配
void myHistMatch(IplImage *img,double histv[])
{
	int bins = 256;
	int sizes[] = {bins};
	CvHistogram *hist = cvCreateHist(1,sizes,CV_HIST_ARRAY);
	cvCalcHist(&img,hist);
	cvNormalizeHist(hist,1);
	double val_1 = 0.0;
	double val_2 = 0.0;
	uchar T[256] = {0};
	double S[256] = {0};
	double G[256] = {0};
	for (int index = 0; index<256; ++index)
	{
		val_1 += cvQueryHistValue_1D(hist,index);
		val_2 += histv[index];
		G[index] = val_2;
		S[index] = val_1;
	}

	double min_val = 0.0;
	int PG = 0;
	for ( int i = 0; i<256; ++i)
	{
		min_val = 1.0;
		for(int j = 0;j<256; ++j)
		{
			if( (G[j] - S[i]) < min_val && (G[j] - S[i]) >= 0)
			{
				min_val = (G[j] - S[i]);
				PG = j;
			}

		}
		T[i] = (uchar)PG;
	}

	uchar *p = NULL;
	for (int x = 0; x<img->height;++x)
	{ 
		p = (uchar*)(img->imageData + img->widthStep*x);
		for (int y = 0; y<img->width;++y)
		{
			p[y] = T[p[y]];
		}
	}
}

// 生成高斯分布
void GenerateGaussModel(double model[])
{
	double m1,m2,sigma1,sigma2,A1,A2,K;
	m1 = 0.15;
	m2 = 0.75;
	sigma1 = 0.05;
	sigma2 = 0.05;
	A1 = 1;
	A2 = 0.07;
	K = 0.002;

	double c1 = A1*(1.0/(sqrt(2*CV_PI))*sigma1);
	double k1 = 2*sigma1*sigma1;
	double c2 = A2*(1.0/(sqrt(2*CV_PI))*sigma2);
	double k2 = 2*sigma2*sigma2;
	double p = 0.0,val= 0.0,z = 0.0;
	for (int zt = 0;zt < 256;++zt)
	{
		val = K + c1*exp(-(z-m1)*(z-m1)/k1) + c2*exp(-(z-m2)*(z-m2)/k2);
		model[zt] = val;
		p = p +val;
		z = z + 1.0/256;
	}
	for (int i = 0;i<256; ++i)
	{
		model[i] = model[i]/p;
	}
}

实践：直方图匹配

对示例图片每个信道分别进行匹配处理


对比直方图

OpenCV中提供了cvCompareHist函数用以对比两个直方图的相似度：
[cpp] view plain copy print ?
  1. double cvCompareHist(
  2. const CvHistogram* hist1, //直方图1
  3. const CvHistogram* hist2, //直方图2
  4. int method//对比方法
  5. ); 
double cvCompareHist( 
             const CvHistogram* hist1, //直方图1
             const CvHistogram* hist2, //直方图2
             int method//对比方法
);
method有CV_COMP_CORREL， CV_COMP_CHISQR，CV_COMP_INTERSECT，CV_COMP_BHATTACHARYYA四种方法，对应公式如下：

实践：对比不同光照条件的两幅图像直方图

直方图的对比主要用以判断两幅图像的匹配度，我们试验以下两幅图像直方图对比的结果：
[cpp] view plain copy print ?
  1. int main()
  2. {
  3. IplImage * image= cvLoadImage("myhand1.jpg");
  4. IplImage * image2= cvLoadImage("myhand2.jpg");
  5. int hist_size=256;
  6. float range[] = {0,255};
  7. float* ranges[]={range};
  9. IplImage* gray_plane = cvCreateImage(cvGetSize(image),8,1);
  10. cvCvtColor(image,gray_plane,CV_BGR2GRAY);
  11. CvHistogram* gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
  12. cvCalcHist(&gray_plane,gray_hist,0,0);
  15. IplImage* gray_plane2 = cvCreateImage(cvGetSize(image2),8,1);
  16. cvCvtColor(image2,gray_plane2,CV_BGR2GRAY);
  17. CvHistogram* gray_hist2 = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
  18. cvCalcHist(&gray_plane2,gray_hist2,0,0);
  20. //相关：CV_COMP_CORREL
  21. //卡方：CV_COMP_CHISQR
  22. //直方图相交：CV_COMP_INTERSECT
  23. //Bhattacharyya距离：CV_COMP_BHATTACHARYYA
  24. double com=cvCompareHist(gray_hist,gray_hist2,CV_COMP_BHATTACHARYYA);
  26. cout<<com<<endl;
  27. } 
int main()
{
	IplImage * image= cvLoadImage("myhand1.jpg");
	IplImage * image2= cvLoadImage("myhand2.jpg");
	int hist_size=256;
	float range[] = {0,255};
	float* ranges[]={range};
	
	IplImage* gray_plane = cvCreateImage(cvGetSize(image),8,1);
	cvCvtColor(image,gray_plane,CV_BGR2GRAY);
	CvHistogram* gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
	cvCalcHist(&gray_plane,gray_hist,0,0);


	IplImage* gray_plane2 = cvCreateImage(cvGetSize(image2),8,1);
	cvCvtColor(image2,gray_plane2,CV_BGR2GRAY);
	CvHistogram* gray_hist2 = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
	cvCalcHist(&gray_plane2,gray_hist2,0,0);

	//相关：CV_COMP_CORREL    
	//卡方：CV_COMP_CHISQR
	//直方图相交：CV_COMP_INTERSECT
	//Bhattacharyya距离：CV_COMP_BHATTACHARYYA
	double  com=cvCompareHist(gray_hist,gray_hist2,CV_COMP_BHATTACHARYYA);

	cout<<com<<endl;
}

输出结果为：0.396814
cvCompareHist的结果为【0,1】的浮点数，越小表示两幅图匹配度越高，0.0时两幅图精确匹配。（可以试验两幅完全一样的图即为0.0）。
针对上面两幅图，我们分别先进行直方图匹配变化：

之后使用cvCompareHist()对比两幅图像的直方图，输出结果为0.267421

表明两幅图的匹配度变高了。
注意method用不同的方法对比结果是不同的。


应用

通过对比我们可以设置EMD的阈值来判定皮肤或手的ROI。《Learnning OpenCV》后面有相应的练习题：收集手的肤色直方图，对比室内，室外手的直方图的EMD距离，利用这些测量值设置一个距离阈值。
a.利用该阈值检测第三幅图（如室外阴影），看能能否很好的检测肤色直方图。
b.随机选择不是肤色的背景块直方图，观测EMD变化，试验与真实肤色对比时能否很好的拒绝背景。
如上也即是直方图对比可以应用的场景。

实验代码下载：http://download.youkuaiyun.com/detail/xiaowei_cqu/4332914

直方图匹配定义、步骤及代码实现
chen_znn的博客
07-14 2543
本文介绍了直方图匹配的定义、实现步骤及代码实现
4.3 直方图匹配（规定化）
专注图形图像处理
07-28 1439
上一章我们介绍了直方图均衡化，用一句话总结直方图均衡化，就是我们需要找到一种变换方式，使变换后的图像的直方图跟价均衡，这一章我们介绍直方图匹配（即：直方图规定化）。
opencv学习笔记9 直方图均衡化并绘制直方图
tercel_zhang的专栏
01-05 2696
我第一次做绘制直方图的时候走了不少弯路，现将我学习直方图均衡化并将直方图绘制出来的学习心得发表出来，希望能帮到需要此知识的同学。 此博文主要讲解进行直方图均衡化需要用到的函数以及如何在一幅图像上将直方图绘制出来。
直方图均衡化和直方图匹配
热门推荐
小木匠的博客
04-28 1万+
一、直方图均衡化                    直方图均衡化，这样柱条具有均匀分布的高度，平均利用了可用的亮度级，从而能在所有的亮度级上较好地展现细节信息。                   直方图均衡化算法分为三个步骤， •第一步是统计直方图每个灰度级出现的次数 •第二步是累计归一化的直方图 •第三步是计算新的像素值。Y=(L-1)/N*C(x) 二、
OpenCV进阶操作：图像直方图、直方图均衡化
最新发布
m0_65065095的博客
05-05 1408
传统的直方图均衡化方法是将整个图像的直方图变成均匀分布，但在某些情况下，图像的局部区域可能存在过亮或过暗的问题。在图像直方图中，横轴表示像素值的范围，通常为0-255，纵轴表示像素值的数量或频率。例如，柱子的高度表示图像中具有该像素值的像素的数量或出现的频率。通过直方图可以了解图像中不同亮度值的像素数量，从而判断图像的亮度分布情况。直方图均衡化：直方图均衡化是一种图像增强技术，它可以通过增加图像的对比度和亮度来改善图像的质量。例如，如果红色通道的直方图偏向左侧，则说明图像偏向较暗的红色，存在亮度偏移。
OpenCV 直方图概念，直方图均衡化原理详解
weixin_46999174的博客
07-22 2000
直方图（Histogram）是一种图表，用于显示数据集的分布情况。它通过将数据范围划分为若干个连续的区间（称为“桶”或“箱”—bins），然后统计每个区间内的数据点数量，以条形图的形式展示这些数量。横轴表示数据的取值范围，纵轴表示每个区间内数据点的数量或频率。
opencv基于颜色直方图进行模板图像匹配检测的程序
12-05
总的来说，这个基于OpenCV的颜色直方图匹配程序展示了如何利用图像的颜色特性进行匹配检测。它涉及到图像处理的基础知识，如颜色直方图的计算、直方图比较和模板匹配算法。这种技术在实际应用中，如视频监控、自动...
揭秘OpenCV直方图应用：图像分析、目标识别实战指南
[揭秘OpenCV直方图应用：图像分析、目标识别实战指南](https://ask.qcloudimg.com/http-save/yehe-7493707/7de231cd582289f8a020cac6abc1475e.png) # 1. OpenCV直方图简介 直方图是图像处理和计算机视觉中广泛使用...
HS.rar_hs直方图_opencv舌_site:www.pudn.com_舌_舌提取
09-23
在实际应用中，完成HS直方图的计算后，我们还需要进行直方图均衡化或直方图匹配等操作，以增强图像的对比度或者使不同图像之间的色度分布更具可比性。这可以通过`cv::equalizeHist()`等函数实现。此外，还可以使用...
OpenCV直方图均衡化
01-03
理解直方图和直方图均衡化的原理，及其在图像和视频处理中的应用； 2、基于VS+opencv实现获取图像的直方图； 3、基于VS+opencv实现对图像的直方图均衡化；
数字图像处理之点运算---直方图均衡化
jxqbuct的博客
04-13 1939
一.理论基础 1.直方图均衡化 2.直方图规定化 （理论基础推导较多，可自行百度。这里只给出matlab实现和直方图均衡化和规定化的用处） 二.matlab实现 直方图均衡化： %直方图均衡 I=imread('pout.tif'); I=im2double(I); %对比度变大的图像 I1=2*I-55/255; subplot(4,4,1); imshow(I1); title('对比度变大'...
opencv::直方图均衡化
dianyun7150的博客
09-09 176
直方图均衡化 图像直方图： 是指对整个图像像在灰度范围内的像素值是指对整个图像像在灰度范围内的像素值(0~255)统计出现频率次数，据此生成的直方图，称为图像直方图-直方图。 直方图反映了图像灰度的分布情况。是图像的统计学特征。 直方图均衡化 通过上一课中的remap我们知道可以将图像灰度分布从一个分布映射到另外一个分布， 然后在...
opencv之直方图均衡化
z961968549的博客
10-29 272
什么是直方图 就是数集内元素的概率分布图 图像直方图，是指对整个图像在灰度范围内的像素值(0~255)统计出现频率次数，根据此生成直方图，称为图像直方图，直方图反映了图像的灰度分布情况，是图像统计学的特征 直方图均衡化 是一种提高图像对比度的方法，即将图像灰度分布相对更加均匀，拉伸图像灰度值的范围 如何实现，通过前面接触的remap我们知道可以将图像灰度分布从一个分布映射到另外一个分布，然...
OpenCV之直方图均衡化
sono_io的博客
07-06 875
效果 ps: 有伪轮廓
直方图均衡化---opencv
游泳的鱼的专栏
10-21 206
增加对比度： https://blog.youkuaiyun.com/alickr/article/details/51503133 split()讲解 https://www.cnblogs.com/wyuzl/p/6702785.html calcHist()讲解 https://blog.youkuaiyun.com/solomon1558/arti...
OpenCV——直方图均衡化
优快云_dzh的博客
01-31 624
1、入门实现代码#include&lt;iostream&gt; using namespace std; void main() { system(&quot;COLOR 2F&quot;); int src[4][4] = { 255, 128, 200, 50, 50, 200, 255, 50, 255, 200, 128, 128, 200, 200, 255, 50 }; int bin = 2
[OpenCV] 直方图均衡化
上善若水，为而不争
10-12 300
直方图是图像处理中最最最最基本的操作之一，这个基本操作是在太太太太常见了，同时也是很容易理解的操作，对于一些对比度稍微较低的图像，这是一个还挺不错的预处理操作。 1、直方图 先说直方图，直方图就是图像像素的统计表，这个表里记录着一幅图像中每个像素值在图像中出现的个数，一幅图只有一个灰度直方图，但是多幅图可能有相同的直方图，这是N对1的关系。所以在制作直方图的时候就很容易啦，创建一个包含所有像素...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值