opencv学习(三十六)图像直方图均衡化equalizeHist

图像直方图描述了图像中灰度值的分布情况，直方图均衡化就是通过拉伸像素强度分布范围来增强图像对比度的一种方法。如下图：

可以看到像素主要集中在中间的一些强度值上。直方图均衡化要做的就是拉伸这个范围。如下：

作途中绿色圈圈出了少有像素分布其上的强度值，对其应用均衡化后得到中间图所示的直方图，均衡化后的图像见上右图。

直方图均衡化是通过使用累积函数对灰度值进行“调整”以实现对比度的增强，其中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。也就是把一个分布(给定的直方图)映射到另一个分布（一个更宽更统一的强度值分布），所以强度值分布会在整个范围内展开，要实现均衡化的效果，映射函数应该是一个累积分布函数(cdf)。对于直方图H(i),它的累积分布H’(i)是：

要使用其作为映射函数，我们必须对最大值为255（或者用图像的最大强度值）的累积分布H’(i)进行诡异花，同上，累积分布函数为：

最后，使用一个简单的映射过程来获得均衡化后像素的强度值：

图像直方图均衡化的实质是近似均匀分布，均衡化图像的动态范围扩大了，但其被值扩大了量化间隔，而量化级别反而减少了，原来灰度不同的像素经处理后可能变得相同，这样就形成了一片相同灰度的区域，各区域之间有明显的边界，造成对比度提高的视觉效果。如果原始图像对比度本来就很高，这再均衡化会降低图像对比度。

opencv中提供了equalizeHist函数实现图像直方图均衡化，函数原型如下：

void cv::equalizeHist   (   InputArray      src,
        OutputArray     dst 
    )   

参数解释
. src:8-bit单通道 输入图像
. dst: 目标图像，与原图像有相同的尺寸和类型。

函数采用如下算法步骤进行直方图均衡化操作：
. 计算输入图像的直方图H
. 进行直方图诡异花，直方图的组距的和为255
. 计算直方图积分：

. 以H’为查询表进行图像变换。

总之，equalizeHist()函数实现的图像直方图均衡化算法就是把直方图的每个灰度级进行归一化处理，求每种灰度的累积分布，得到一个映射的灰度映射表，然后根据相应的灰度值来修正原图中的每个像素的像素值。

示例代码

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat srcImage, dstImage;
    srcImage = imread("night.jpg");

    //判断图像是否加载成功
    if(!srcImage.data)
    {
        cout << "图像加载失败!" << endl;
        return -1;
    }
    else
        cout << "图像加载成功!" << endl << endl;

    cvtColor(srcImage, srcImage, COLOR_BGR2GRAY);       //将原图像转换为灰度图

    equalizeHist(srcImage, dstImage);           //直方图均衡化

    //创建窗口
    String windowNameSrc = "原图像";
    String windowNameHist = "直方图均衡化后图像";
    namedWindow(windowNameSrc, WINDOW_AUTOSIZE);
    namedWindow(windowNameHist, WINDOW_AUTOSIZE);

    //显示图像
    imshow(windowNameSrc, srcImage);
    imshow(windowNameHist, dstImage);

    waitKey(0);

    return 0;
}

运行结果