图像算法（二）：直方图均衡化和直方图规定化（匹配）

最新推荐文章于 2022-11-10 22:07:22 发布

原创

最新推荐文章于 2022-11-10 22:07:22 发布 · 9.7k 阅读

44 ·

CC 4.0 BY-SA版权

这篇博客介绍了图像算法中的直方图均衡化和直方图规定化（匹配），旨在通过代码实现来增强图像质量。直方图均衡化用于全局拉伸偏暗色调的图像，而直方图规定化则更适用于特定区域的直方图修正。文章包括了两个算法的详细步骤和代码实现，并展示了相应的结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在复习图像算法，对于一些简单的图像算法进行一个代码实现，由于找工作比较忙，具体原理后期补上，先上代码。今天先给出直方图均衡化和直方图规定化（匹配）。
1.直方图均衡化
针对整个图像偏较暗色调，对图像进行全局拉伸，增强图像质量。
（1）步骤：
（a）计算每个像素值的频数Hist
（b）计算每个像素值的频率（直方图）HistP = Hist/像素个数N
（c）计算累计直方图HistPSum
（d）求直方图均衡化之后的像素值255*HistPSum
（2）代码

# include<iostream>
# include<opencv2/highgui/highgui.hpp>
using namespace cv;
using namespace std;

Mat HistEq(Mat &srcImage);
Mat rgbTOgray(Mat srcImg);
int main()
{
	Mat srcImg = imread("D:\\Visual Studio 2015\\Girl.bmp");
	Mat resultImg;
	if (!srcImg.data)
	{
		cout << "图片不存在" << endl;
	}
	if (srcImg.channels() == 3)
	{
		Mat gray = rgbTOgray(srcImg);
		resultImg = HistEq(gray);
		imshow("gray", gray);
		imshow("result", resultImg);
	}
	if (srcImg.channels() == 1)
	{
		resultImg = HistEq(srcImg);
		imshow("gray", srcImg);
		imshow("result", resultImg);
	}
	waitKey(0);
	return 0;
}

//彩色转灰度
Mat rgbTOgray(Mat srcImg)
{
	int rows = srcImg.rows;
	int cols = srcImg.cols;
	Mat gray(