opencv直方图均衡化算法及实现
opencv直方图均衡化算法及实现
1、为什么要直方图均衡化
很多时候,我们的图片看起来的效果不是那么的清晰,这时候可以对图像进行一些处理来扩大图像像素值显示的范围。例如有些图像整体像素值偏低,图像中的一些特征看的不是很清晰,只是隐约看到一些轮廓痕迹,这时可以经过图像直方图均衡化之后使得图像看起来亮一些,也便于后续的处理。直方图均衡化是灰度变换的一个重要应用,它高效且易于实现,广泛应用于图像增强处理中。图像的像素灰度变化是随机的,直方图的图形高低不齐,直方图均衡化就是用一定的算法使直方图大致平和的方法。
2、opencv中直方图均衡化算法
opencv中直方图均衡化算法的输入图像需为八位单通道图像,也就是灰度图像。若想要处计算彩色图像的均衡化图,可以先将图像用split函数进行通道分离,分别处理每一个通道的图像,在用merge函数进行合并。算法实现步骤如下:
第一步:依次扫描原始灰度图像的每一个像素,计算出图像的直方图H。’
第二步:进行归一化处理,即将0~255像素值的每一个像素值在图像中出现的次数除以图像的大小,得到归一化直方图。
第三步:计算直方图积分,公式:
第四步:以H’作为查询表进行图像变换dst(x,y)=H’(src(x,y))
#include <opencv2\opencv.hpp> #include <iostream> using namespace cv; int main() { Mat srcImg,grayImg;//声明原始图和灰度度 srcImg = imread("1.jpg");//载入原始图 if(!srcImg.data) { std::cout<<"请确认路径下存在图片"; return -1; } imshow("原始图",srcImg);//显示原始图 cvtColor(srcImg,grayImg,CV_RGB2GRAY);//将rgb图像转化为灰度图 int rowNumber = grayImg.rows;//得到行 int colNumber = grayImg.cols;//得到列 int sumNumber = rowNumber*colNumber;//得到图像整个像素个数 Mat dstImg(rowNumber,colNumber,CV_8UC1,Scalar(0,0,0));//初始化直方图均衡化后的图 double hist[256] = {0.00};//直方图 double dhist[256] = {0.00};//直方图归一化图 double Dhist[256] = {0.00};//直方图积分图,每一个像素点 for(int i = 0;i<rowNumber;i++)//遍历原始图像,得到直方图 { uchar* data = grayImg.ptr<uchar>(i); for(int j = 0;j<colNumber;j++) { int temp = data[j];//得到图像像素值 hist[temp] = hist[temp]+1;//将相应像素值在直方图中加1 } } for(int i = 0;i<256;i++)//遍历直方图,得到归一化直方图和积分图 { dhist[i] = hist[i]/sumNumber;//得到归一化图 for(int j = 0;j<=i;j++) { Dhist[i] = Dhist[i] + dhist[j]; //得到积分图 } } for(int i = 0;i<rowNumber;i++)//以积分图为查找表得到均衡化后的图 { uchar* data1 = dstImg.ptr<uchar>(i); uchar* data2 = grayImg.ptr<uchar>(i); for(int j = 0;j<colNumber;j++) { int temp1 = data2[j]; //查找到原始图相应位置的像素值 int temp2 = (int)(Dhist[temp1]*255); //在积分图中找到相应像素值的映射值 data1[j] = temp2;//将映射值赋值给目标图像相应值 } } imshow("均衡化后的图",dstImg); waitKey(0); return 0; }