关于《数字图像处理》中增强局部图像的两种方法对比及利用C++实现

最近在学《数字图像处理》时注意到利用直方图的两种方法1：局部直方图均衡化 2：直方图统计量   在增强局部图像的效果上有较大的不同，经过网上查阅学习，特在此做一次笔记，对比一下两种方法对图像增强效果的差异。

直方图处理技术可以用于局部增强。过程是定义一个邻域，并把该区域的中心从一个像素移至另一个像素。在每个位置，计算领域中点的直方图，并且得到的不是直方图的均衡化就是规定化的变换函数，这个函数最终用于映射邻域中心像素的灰度。之后，领域的中心移动到下一个相邻像素点，一直重复该过程。当邻域进行逐像素平移时，由于只有邻域中的一行或一列改变，所以可以在移动一步中，以新数据更新前一个位置得到的直方图。因此局部增强可体现更多的图像细节。

---

先来看局部直方图均衡化：

原理：分为子块不重叠、子块重叠和子块部分重叠，函数中可选择不同的方法计算。

子块不重叠算法：根据输入分割子块的大小为n，将图像划分为多块n*n大小的子块，单独对每块进行直方图均衡化，局部细节对比度因此而得到增强，但可能会导致有各子块区域的直方图均衡函数差异较大，会出现块效应；

子块重叠算法：根据输入分割子块的大小n,利用该分割子块的直方图信息对子块中心的像素进行均衡化，之后遍历输入图像所有像素；

子块部分重叠算法：子块是将移动步长约取为子块尺寸的几分之一而不是逐一像素移动，子块均衡的灰度值用于映射子块所有像素的灰度值，并记录对多次被均衡的像素，将均衡结果取平均作为该像素在输出图像中的灰度值，因此块效应基本消除，且由于不是遍历像素移动因此效率大大提升。

函数实现的代码如下：

#include <opencv2/opencv.hpp>  
#include <math.h>
#include <vector>

using namespace std;
using namespace cv;


//直方图均衡化，ksize - 块大小，kstep - 块中心步进
int LocalEqualHist(const Mat& input, Mat& out, int ksize, int kstep = 1);



int main(int argc, char** argv)
{
	Mat src;				//原图
	Mat dst;					//处理后的图片
	Mat gray_Hist;				//灰度直方图
	vector<long> histogram;	//灰度直方图数据

	//载入原图（灰度图方式）
	src = imread("D:\\folder\\数字图像处理Image\\CH03\\1.tif", 0);

	//图片处理
	LocalEqualHist(src, dst, 3);

	//创建窗口
	namedWindow("【原图】");
	namedWindow("【处理后】");

	//显示图片
	imshow("【原图】", src);
	imshow("【处理后】", dst);

	//保存图片
	//imwrite("3-26_c.tif", im_pro);

	//等待键盘操作
	waitKey(0);

	return 0;
}

//局部直方图均衡化函数声明
int LocalEqualHist(const Mat& input, Mat& out, int ksize, int kstep)
{
	int h{ input.rows };				// 图片高
	int w{ input.cols };				// 图片宽
	uchar* data_in{ input.data };		// 原图图片像素数据
	uchar* data_out;					// 输出图片像素数据
	double* d_data_out;					// 输出图片像素数据
	int* n_data;						// 各像素值累加重叠次数
	double* s;							// 灰度映射