直方图均衡

获取直方图与直方图均衡化，规定化

原理很简单，就是获取像素点分布，并改变像素点分布。

1、获取直方图

用到的接口是 calcHist（），有三种形式。返回一个图像直方图像素分布。之后再使用opencv画图。

void gethist(Mat gray)
{
    //Mat gray;
    //cvtColor(src, gray, CV_RGB2GRAY);
    const int channels[] = { 0 };
    Mat hist;
    const int histsize[] = { 256 };
    float range[] = { 0, 256 };
    const float* ranges[] = { range };
    calcHist(&gray, 1, channels, Mat(), hist, 1, histsize, ranges, true, false);
    double maxval = 0;
    minMaxLoc(hist, 0, &maxval, 0, 0);
    int row = cvRound(maxval);
    Mat histimage(row, 256, CV_8UC1);
    for (int i = 0; i < 256; i++)
    {
        int temp = (int)(hist.at<float>(i, 0));
        if (temp)
        {
            histimage.col(i).rowRange(Range(row - temp, row)) = 255;
        }
    }
    Mat resizeimage;
    resize(histimage, resizeimage, Size(256, 256));
    imshow("灰度图", gray);
    imshow("histgram", resizeimage);
    waitKey(0);
}

2、直方图均衡

改变像素值分布，使其基本满足均匀分布。由此可改善图像对比度。

Mat histbalance_local(Mat src)
{
    int Hist[256] = { 0 };
    float p[256] = { 0 };
    float dist[256];
    int IMGH = src.rows;
    int IMGW = src.cols;
    for (int i = 0; i < IMGH; i++)
    {
        for (int j = 0; j < IMGW; j++)
        {
            Hist[int(src.at<uchar>(i, j))]++;
        }
    }
    for (int i = 0; i < 256; i++)
    {
        p[i]=( (float)(Hist[i]) / (IMGH*IMGW));
    }
    dist[0] = p[0];
    for (int i = 1; i < 256; i++)
    {
        dist[i] = p[i]+dist[i-1];
    }
    for (int i = 0; i < 256; i++)
    {
        Hist[i]=255*dist[i]+0.5;
    }
    Mat dst(src.size(), CV_8UC1);
    for (int i = 0; i < IMGH; i++)
    {
        for (int j = 0; j < IMGW; j++)
        {
            dst.at<uchar>(i, j)=Hist[int(src.at<uchar>(i, j))];
        }
    }

    //imshow("均衡后图像", dst);
    return dst;
    //waitKey(0);

}

3、直方图规定化

使图像像素值分布基本满足目标图像的分布。原理很简单，就是建立原图像与目标图像像素值映射，映射条件是累计概率分布相似。 看过一些版本的实现，步骤如下：

1、 计算原图像累计概率分布

2、计算目标图像累计概率分布

3、对两幅图像累计概率分布差值最小的像素点建立映射

代码不实现了，感觉有点麻烦，但是原理还是很简单的。这个随便搜就有。