图像直方图的均衡化

2019-05-27 11:16:45

直方图均衡化是用于提高图像对比度一种方式;

• 直方图均衡化涉及到几个概念如下：

1. 图像直方图：表示图像中每一灰度出现频次的统计关系，横轴代表灰度值，纵轴代表该灰度值在整张图片中出现次数；
2. 概率密度函数PDF：表示图像中每一灰度出现的概率的统计关系，横轴代表灰度值，纵轴代表该灰度值在整张图片中出现概率；
3. 累计概率分布函数CDF: 就是对PDF的累加(实质是PDF的积分)；

• 用CDF对原图进行灰度值映射的优点有：

1. 不改变原图灰度值的相对大小(CDF是单调的)；
2. 动态的调整原图的动态范围；

Talk is cheap, Show me the code.

void operation::equalHist(const Mat& sImg, Mat& outImg)
{
    outImg = sImg.clone();
    int pixelCount[256] = { 0 };
    uchar pixelEqual[256] = { 0 };

    //PDF
    double grayProb[256] = { 0.0 };
    //CDF
    double grayDensityProb[256] = { 0.0 };
    
    int imgRow = sImg.rows;
    int imgCol = sImg.cols;
    for (int i = 0; i < imgRow; ++i)
    {
        const uchar* pSrcData = sImg.ptr<uchar>(i);
        for (int j = 0; j < imgCol; ++j)
        {
            uchar pixValue = pSrcData[j];
            for (int k = 0; k < 256; ++k)
            {
                if (pixValue == k)
                {
                    pixelCount[k]++;
                }
            }
        }
    }


    int allPixelNum = imgRow * imgCol;
    for (int m = 0; m < 256; ++m)
    {
        grayProb[m] = pixelCount[m]*1.0 / allPixelNum;
    }

    grayDensityProb[0] = grayProb[0];
    for (int k = 1; k < 256; ++k)
    {
        grayDensityProb[k] = grayDensityProb[k - 1] + grayProb[k];
    }

    //equalization.
    for (int k = 0; k < 256; ++k)
    {
        pixelEqual[k] = (uchar)(255 * grayDensityProb[k]+ 0.5);
    }

    for (int i = 0; i < imgRow; ++i)
    {
        uchar* pData = outImg.ptr<uchar>(i);
        for (int j = 0; j < imgCol; ++j)
        {
            pData[j] = pixelEqual[pData[j]];
        }
    }
}