5.10直方图均衡化
基本概念
直方图均衡化（Histogram Equalization）是一种常用的图像处理技术，用于改善图像的对比度。通过调整图像中像素值的分布，直方图均衡化可以使图像的动态范围更广，从而增强图像的细节可见度。
直方图均衡化原理
直方图均衡化的基本步骤如下：
1. 计算图像的灰度直方图：统计每个灰度级的像素数量。
2. 计算累积分布函数（CDF）：根据直方图计算每个灰度级的累积概率。
3. 映射原始灰度级到新的灰度级：将每个灰度级映射到新的灰度级，使得新的灰度级分布尽可能均匀。
OpenCV中的直方图均衡化
在OpenCV中，可以使用equalizeHist函数来实现灰度图像的直方图均衡化。对于彩色图像，通常需要将其转换为灰度图像后再进行均衡化，或者对每个颜色通道分别进行均衡化。
函数原型
对于灰度图像，可以使用以下函数：
void equalizeHist(InputArray src,OutputArray dst
);对于彩色图像，可以使用循环来分别对每个颜色通道进行均衡化：
void split(const InputArray M, OutputArrayOfArrays mv);
void merge(const InputArrayOfArrays mv, OutputArray M);参数说明
•src：输入图像，通常是灰度图像。
•dst：输出图像，与输入图像具有相同的大小和类型。示例代码1
下面是一个使用OpenCV C++实现直方图均衡化的示例代码：
对灰度图像进行直方图均衡化//对灰度图像进行直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main(int argc, char** argv)
{/*if (argc != 2){cout << "Usage: ./HistogramEqualization <Image Path>" << endl;return -1;}*/// 加载图像Mat img = imread("89.jpeg", IMREAD_GRAYSCALE);if (img.empty()) {cout << "Error opening image" << endl;return -1;}// 创建输出图像Mat eq_img;// 执行直方图均衡化equalizeHist(img, eq_img);// 显示结果//imshow("Original Image", img);namedWindow("Original Image", cv::WINDOW_NORMAL);imshow("Original Image", img);namedWindow("Equalized Image", cv::WINDOW_NORMAL);imshow("Equalized Image", eq_img);waitKey(0);destroyAllWindows();return 0;
}运行结果1
示例代码2
对彩色图像进行直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;void equalizeHistColor(Mat &src, Mat &dst)
{vector<Mat> bgr_planes;split(src, bgr_planes); // 分割为BGR三个平面// 对每个颜色通道进行直方图均衡化for (int i = 0; i < 3; i++) {equalizeHist(bgr_planes[i], bgr_planes[i]);}// 合并回彩色图像merge(bgr_planes, dst);
}int main(int argc, char** argv)
{/*if (argc != 2) {cout << "Usage: ./HistogramEqualization <Image Path>" << endl;return -1;}*/// 加载图像Mat img = imread("89.png");if (img.empty()) {cout << "Error opening image" << endl;return -1;}// 创建输出图像Mat eq_img;// 执行直方图均衡化equalizeHistColor(img, eq_img);// 显示结果namedWindow("Original Image", cv::WINDOW_NORMAL);imshow("Original Image", img);namedWindow("Equalized Image", cv::WINDOW_NORMAL);imshow("Equalized Image", eq_img);waitKey(0);destroyAllWindows();return 0;
}代码解释
1. 加载图像：使用 imread 函数加载图像。
2. 执行直方图均衡化：
•对于灰度图像，直接使用 equalizeHist 函数进行均衡化。
•对于彩色图像，先将图像拆分为BGR三个颜色通道，然后对每个通道分别进行直方图均衡化，最后再合并回彩色图像。
3. 显示结果：使用 imshow 函数显示原始图像和均衡化后的图像。注意事项
•图像类型：确保输入图像的类型正确。灰度图像使用 IMREAD_GRAYSCALE 标志读取。
•颜色通道处理：对于彩色图像，需要对每个颜色通道分别进行直方图均衡化，然后合并回彩色图像。
•显示效果：直方图均衡化可能会增强图像的对比度，但也可能导致某些区域过曝或欠曝，因此在实际应用中需要根据具体情况进行调整。应用场景
•图像增强：提高图像的对比度，使图像的细节更加清晰。
•图像预处理：在图像识别和分析前，进行直方图均衡化可以改善图像质量，有利于后续处理。
•医学成像：在医学图像处理中，直方图均衡化可以增强图像中的细节，有助于诊断。运行结果2
直方图均衡化的效果
直方图均衡化可以使图像的灰度分布更加均匀，从而增强图像的整体对比度。这对于图像的视觉效果和后续的图像处理都有积极的作用。
实验代码3
5.10不用函数实现直方图均衡化
#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>
//#pragma comment(lib, "opencv_world450d.lib") //引用引入库
using namespace cv;
using namespace std;int jh(char imgfn[])
{Mat temp = imread(imgfn, 0);if (temp.empty()){printf("open %s failed.", imgfn);return -1;} //Mat temp = imread("img.png", 0);namedWindow("原图像", WINDOW_NORMAL);imshow("原图像", temp);//equalizeHist(temp, temp);int Total = temp.total();//统计各像素数量vector<int>nk(256, 0);//执行第一个步骤/*这个for循环统计每种灰度对应的像素数量，比如灰度是0的像素数量，灰度是255的像素数量，把每个nk计算出来 */for (int i = 0; i < temp.total(); ++i){nk[temp.data[i]]++; //temp.data[i]表示第i个像素的灰度值，范围是0~255//++表示每个灰度值}//执行第二个步骤for (int i = 1; i < 256; ++i) //这个for执行完毕后，nk[i]相当于公式中的累积分布函数sk，k和i是一个意思{nk[i] += nk[i - 1];}//第三步，重新建立映射关系//vector<int>均衡后像素值(256, 0);vector<int>dst_gray(256, 0);for (int i = 0; i < 256; ++i) {//均衡后像素值[i] = (double(nk[i]) / Total) * 255;dst_gray[i] = (double(nk[i]) / Total) * 255;}for (int i = 0; i < temp.total(); ++i){temp.data[i] = dst_gray[temp.data[i]];//temp.data[i] = 均衡后像素值[temp.data[i]];}namedWindow("均衡后图像", WINDOW_NORMAL);imshow("均衡后图像", temp);waitKey(-1); //按键后再继续
}
int main()
{jh((char*)"img.png");jh((char*)"img2.png");
}
运行结果3
补充实验原理
5.11使用equalizeHist函数
equalizeHist 是一个用于处理单通道8位图像（通常是灰度图像）的函数，其目的是通过均衡图像的直方图来提高图像的对比度。
void equalizeHist(InputArray src, OutputArray dst);参数说明
InputArray src：这是输入的图像，它必须是一个单通道的8位图像（通常为灰度图）。如果输入的图像不是单通道或者不是8位，函数会抛出异常。
OutputArray dst：这是输出的图像，它和输入图像 src 具有相同的大小和类型。功能描述
equalizeHist 函数执行以下操作：直方图计算：首先，它计算输入图像的直方图，即每个灰度级出现的次数。
直方图归一化：然后，它将直方图归一化，使得直方图的所有值加起来等于255（对于8位图像），这样可以确保变换后的图像仍然处于有效的灰度级范围内。
累积分布函数（CDF）：接着，它计算归一化直方图的累积分布函数（CDF），累积分布函数表示小于或等于某个值的像素数量的比例。
图像变换：最后，它使用CDF作为查找表（LUT）来变换输入图像中的每个像素值，这样就得到了输出图像。
效果
通过上述步骤，直方图均衡化可以增加图像的全局对比度，尤其是在图像的背景和前景之间存在较大亮度差异的情况下。这使得图像看起来更清晰，细节更丰富。注意事项
对于多通道彩色图像，需要分别对每个颜色通道应用直方图均衡化，或者使用其他技术如自适应直方图均衡化（CLAHE）。
直方图均衡化可能会导致过度放大噪声，因此，在某些情况下，可能需要在均衡化之前对图像进行平滑处理。示例代码4
示例 灰度图像直方图均衡化//示例 灰度图像直方图均衡化
#include <iostream>
#include <opencv2/opencv.hpp>
//
using namespace std;
using namespace cv;int main()
{// 加载图像Mat img = imread("骠.jpeg", IMREAD_GRAYSCALE);if (img.empty()){std::cout << "Error loading image" << std::endl;return -1;}// 创建一个输出图像Mat imgEq;// 应用直方图均衡化equalizeHist(img, imgEq);// 显示原始图像和均衡化后的图像namedWindow("Original Image", WINDOW_NORMAL);imshow("Original Image", img);namedWindow("Equalized Image", WINDOW_NORMAL);imshow("Equalized Image", imgEq);waitKey(0); // 等待按键退出return 0;
}
运行结果4
示例代码5
//通道彩色图像分别对每个颜色通道应用直方图均衡化
//可以按照以下步骤编写代码：
//
//1.读取彩色图像。
//2.将图像从BGR颜色空间转换到YCrCb颜色空间。
//3.分离YCrCb颜色空间的三个通道。
//4.对亮度通道（Y通道）应用直方图均衡化。
//5.将均衡化的亮度通道与色度通道（Cr和Cb）合并回YCrCb颜色空间。
//6.将YCrCb颜色空间转换回BGR颜色空间。
//7.显示原始图像和均衡化后的图像。#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{// 加载图像Mat img = imread("78.png"); // 确保路径正确if (img.empty()) {cerr << "无法加载图像，请检查文件路径是否正确。" << endl;return -1;}// 创建一个输出图像Mat imgEq;// 将BGR图像转换为YCrCb颜色空间cvtColor(img, img, COLOR_BGR2YCrCb);// 分离通道vector<Mat> channels;split(img, channels);// 对Y通道应用直方图均衡化equalizeHist(channels[0], channels[0]);// 合并通道merge(channels, img);// 将YCrCb图像转换回BGR颜色空间cvtColor(img, imgEq, COLOR_YCrCb2BGR);// 显示原始图像和均衡化后的图像namedWindow("Original Image", WINDOW_NORMAL);imshow("Original Image", img);namedWindow("Equalized Image", WINDOW_NORMAL);imshow("Equalized Image", imgEq);waitKey(0); // 等待按键退出return 0;
}//代码说明
//1.加载图像：使用 imread 函数读取图像，并确保图像路径正确。
//2.转换颜色空间：将图像从BGR颜色空间转换到YCrCb颜色空间。YCrCb颜色空间将亮度信息（Y）和色度信息（Cr和Cb）分离，便于单独处理亮度信息。
//3.分离通道：使用 split 函数将YCrCb图像分解成三个独立的通道。
//4.直方图均衡化：仅对Y通道应用直方图均衡化。
//5.合并通道：使用 merge 函数将处理后的Y通道和未处理的Cr和Cb通道合并回一个YCrCb图像。
//6.转换回BGR：将处理后的YCrCb图像转换回BGR颜色空间。
//7.显示结果：使用 imshow 函数显示原始图像和均衡化后的图像，并等待用户按键退出。运行结果5
实验代码6
#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>
//#pragma comment(lib, "opencv_world450d.lib") //引用引入库 using namespace cv;
using namespace std;int main(int argc, char** argv)
{Mat src = imread("03.jpeg");//Mat src2 = imread("img2.png");if (src.empty()) {cout<<"不能加载图像！"<<endl;return -1;}Mat gray, dst;cvtColor(src, gray, COLOR_BGR2GRAY);//cvtColor(src2, gray2, COLOR_BGR2GRAY);namedWindow("原图", WINDOW_NORMAL);imshow("原图", src);//imshow("11--原图", gray2);equalizeHist(gray, dst);//equalizeHist(gray2, dst2);namedWindow("灰度图", WINDOW_NORMAL);imshow("灰度图", gray);namedWindow("直方图均衡化", WINDOW_NORMAL);imshow("直方图均衡化", dst);//imshow("22--直方图均衡化", dst2);waitKey(0);return 0;
}运行结果6
