使用 OpenCV 函数cv::equalizeHist均衡图像直方图

理论

什么是图像直方图？

• 它是图像强度分布的图形表示。
• 它量化了考虑的每个强度值的像素数量。

什么是直方图均衡化？

• 这是一种改善图像对比度的方法，以扩大强度范围（另请参阅相应的维基百科条目）。
• 为了更清楚起见，从上图可以看出，像素似乎聚集在可用强度范围的中间。直方图均衡化的作用是扩展此范围。请看下图：绿色圆圈表示填充不足的强度。应用均衡化后，我们得到一个像中间图一样的直方图。结果图像显示在右图中。

它是如何工作的？

• 均衡意味着将一个分布（给定的直方图）映射到另一个分布（更广泛和更均匀的强度值分布），以便强度值分布在整个范围内。

• 为了实现均衡效果，重新映射应该是累积分布函数 (cdf)（更多详细信息，请参阅学习 OpenCV）。对于直方图赫（我），其累积分布 赫′（我）是：

  赫′（我）=∑0≤杰<我赫（杰）

  要将其用作重映射函数，我们必须规范化赫′（我）这样最大值就是 255（或者图像强度的最大值）。从上面的例子来看，累积函数是：

• 最后，我们使用一个简单的重映射程序来获得均衡图像的强度值：

  埃问你一个升我是埃d（十，是）=赫′（sr丙（十，是））

代码

C++JavaPython

• 这个程序是做什么的？
  • 加载图片
  • 将原始图像转换为灰度图像
  • 使用 OpenCV 函数cv::equalizeHist均衡直方图
  • 在窗口中显示源图像和均衡后的图像。

• 可下载代码：点击此处
• 代码一览：
  #include " opencv2/imgcodecs.hpp "

  #包括“ opencv2/highgui.hpp ”

  #include " opencv2/imgproc.hpp "

  #包括 <iostream>

  使用命名空间cv；

  使用命名空间std；

  int main（int argc，char ** argv）

  {

  CommandLineParser解析器（argc，argv，“{@input | lena.jpg |输入图像}”）；

  Mat src = imread( samples::findFile( parser.get< String >( "@input" ) ), IMREAD_COLOR );

  if ( 源文件为空() )

  {

  cout << "无法打开或找到图像！\n" << endl;

  cout << "用法：" << argv[0] << " <输入图像>" << endl;

  返回-1；

  }

  cvtColor(src，src，COLOR_BGR2GRAY)；

  垫dst；

  均衡直方图（src，dst）；

  imshow( "源图像" , src );

  imshow( "均衡图像" , dst );

  等待键（）；

  返回0；

  }

解释

C++JavaPython

• 加载源图像：

  CommandLineParser解析器（argc，argv，“{@input | lena.jpg |输入图像}”）；

  Mat src = imread (samples::findFile( parser.get< String >( "@input" ) ), IMREAD_COLOR );

  if ( 源文件为空() )

  {

  cout << "无法打开或找到图像！\n" << endl;

  cout << "用法：" << argv[0] << " <输入图像>" << endl;

  返回-1；

  }

• 将其转换为灰度：

  cvtColor（src，src，COLOR_BGR2GRAY）；

• 使用函数cv::equalizeHist应用直方图均衡化：

  垫dst；

  均衡直方图（src，dst）；

  可以很容易地看出，唯一的参数是原始图像和输出（均衡）图像。

• 显示两幅图像（原始图像和均衡后图像）：

  imshow ( "源图像" , src );

  imshow ( "均衡图像" , dst );

• 等到用户退出程序

  等待键（）；

结果

1. 为了更好地理解均衡的结果，让我们引入一张对比度不大的图像，例如：

顺便说一下，它有这样的直方图：

请注意像素聚集在直方图的中心周围。

1. 使用我们的程序进行均衡后，我们得到了以下结果：

这幅图像的对比度确实更高。查看其新的直方图，如下所示：

注意像素数量在强度范围内的分布情况。