作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

实现原理

通过图像数据的直方图，可以快速判断图像的亮度和质量。而直方图均衡化就是通过图像变换使得直方图均匀分布，起到对比度增强的效果。在图像处理的课本中，针对离散形式的图像数据，最常用的一种方法就是累计概率分布。首先统计0-255灰度值所占像素个数；再计算出像素个数与总像素的比，表示为出现的概率；从0开始进行累计概率分布，即从0慢慢累加各层概率值直到1；则均衡化图像的灰度值=原灰度值所对应的累计概率*255。

基于上述原理，我自定义了一个简单的直方图均衡化函数EqualizeHist，并定义了直方图简易绘制函数drawHistImg，用来作直观对比。

功能函数代码

// 直方图均衡化
cv::Mat EqualizeHist(cv::Mat src)
{cv::Mat h = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat hs = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat hp = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat result = cv::Mat::zeros(src.size(), src.type());int sum = 0;for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){h.at<float>(0, src.at <uchar>(i, j))++;sum++;}}for (int i = 0; i < 256; ++i){hs.at<float>(0, i) = h.at<float>(0, i) / sum;if (i == 0){hp.at<float>(0, i) = hs.at<float>(0, i);}else {hp.at<float>(0, i) = hp.at<float>(0, i - 1) + hs.at<float>(0, i);}}for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){result.at <uchar>(i, j) = uchar(round(255 * hp.at<float>(0, src.at<uchar>(i, j))));}}return result;
}// 绘制简易直方图
cv::Mat drawHistImg(cv::Mat &src)
{cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){hist.at<float>(0, src.at <uchar>(i, j))++;}}cv::Mat histImage = cv::Mat::zeros(540, 1020, CV_8UC1);const int bins = 255;double maxValue;cv::Point2i maxLoc;cv::minMaxLoc(hist, 0, &maxValue, 0, &maxLoc);int scale = 4;int histHeight = 540;for (int i = 0; i < bins; i++){float binValue = (hist.at<float>(i));int height = cvRound(binValue * histHeight / maxValue);cv::rectangle(histImage, cv::Point(i * scale, histHeight),cv::Point((i + 1) * scale-1, histHeight - height), cv::Scalar(255), -1);}return histImage;
}

函数原型

官方OpenCV库中也有自带的直方图均衡化函数：

void equalizeHist( InputArray src, OutputArray dst );

参数说明

InputArray类型的src，输入图像，如Mat类型。
OutputArray类型的dst，输出图像。

C++测试代码

#include <iostream>
#include <time.h>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;cv::Mat EqualizeHist(cv::Mat src);
cv::Mat drawHistImg(cv::Mat &hist);int main()
{cv::Mat src = imread("test.jpg",0);cv::Mat src1 = imread("test.jpg");clock_t start1, start2, end1,end2;// 绘制原图直方图cv::Mat hI = drawHistImg(src);// 自定义直方图均衡化start1 = clock();cv::Mat result1 = EqualizeHist(src);end1 = clock();double dif1 = (end1 - start1) / CLOCKS_PER_SEC;cout << "time1:" << dif1 << endl;// 绘制均衡化后直方图cv::Mat hrI = drawHistImg(result1);// 官方直方图均衡化函数start2 = clock();cv::Mat result2;equalizeHist(src, result2);end2 = clock();double dif2 = (end2 - start2) / CLOCKS_PER_SEC;cout << "time2:" << dif2 << endl;// 绘制均衡化后直方图cv::Mat hr2I = drawHistImg(result2);// 彩色直方图均衡化，三通道分别作均衡再合并vector<cv::Mat> rgb,rgb_;cv::Mat r, g, b;cv::split(src1, rgb);equalizeHist(rgb[0], b);equalizeHist(rgb[1], g);equalizeHist(rgb[2], r);rgb_.push_back(b);rgb_.push_back(g);rgb_.push_back(r);cv::Mat src1_;cv::merge(rgb_, src1_);imshow("original", src1);imshow("result", src1_);waitKey(0);return 0;
}// 直方图均衡化
cv::Mat EqualizeHist(cv::Mat src)
{cv::Mat h = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat hs = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat hp = cv::Mat::zeros(1, 256, CV_32FC1);cv::Mat result = cv::Mat::zeros(src.size(), src.type());int sum = 0;for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){h.at<float>(0, src.at <uchar>(i, j))++;sum++;}}for (int i = 0; i < 256; ++i){hs.at<float>(0, i) = h.at<float>(0, i) / sum;if (i == 0){hp.at<float>(0, i) = hs.at<float>(0, i);}else {hp.at<float>(0, i) = hp.at<float>(0, i - 1) + hs.at<float>(0, i);}}for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){result.at <uchar>(i, j) = uchar(round(255 * hp.at<float>(0, src.at<uchar>(i, j))));}}return result;
}// 绘制简易直方图
cv::Mat drawHistImg(cv::Mat &src)
{cv::Mat hist = cv::Mat::zeros(1, 256, CV_32FC1);for (int i = 0; i < src.rows; ++i){for (int j = 0; j < src.cols; ++j){hist.at<float>(0, src.at <uchar>(i, j))++;}}cv::Mat histImage = cv::Mat::zeros(540, 1020, CV_8UC1);const int bins = 255;double maxValue;cv::Point2i maxLoc;cv::minMaxLoc(hist, 0, &maxValue, 0, &maxLoc);int scale = 4;int histHeight = 540;for (int i = 0; i < bins; i++){float binValue = (hist.at<float>(i));int height = cvRound(binValue * histHeight / maxValue);cv::rectangle(histImage, cv::Point(i * scale, histHeight),cv::Point((i + 1) * scale-1, histHeight - height), cv::Scalar(255), -1);}return histImage;
}

测试效果

其直方图如下：

两个函数运行时间都在0.001s以下，其均衡化后直方图略有差异，但都实现了均衡效果。

自定义函数：

官方函数：

对彩色图的三通道分别进行直方图均衡化，实现彩色均衡效果：

如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~

如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！

OpenCV-实现直方图均衡化（对比cv::equalizeHist）相关推荐

opencv基础---直方图均衡化（原理equalizeHist）
直方图均衡化的作用是图像增强. 有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布. 第一个问题.均衡化过程中,必须要保证两个条件:①像素无论怎么映射, ...
OpenCV中直方图均衡化
OpenCV中直方图均衡化首先知道直方图是个什么鬼?在一幅图像中,直方图所体现的是每个像素值在所有的像素中所占的比例:例值为127的像素点的个数/图像总的像素点的个数\color{#f00}值为12 ...
Python+OpenCV：直方图均衡化(Histogram Equalization)
Python+OpenCV:直方图均衡化(Histogram Equalization) ####################################################### ...
python opencv 直方图均衡_深入理解OpenCV+Python直方图均衡化
原标题:深入理解OpenCV+Python直方图均衡化正文直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法. 基本思想:把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度 ...
【OpenCV 】直方图均衡化，直方图计算，直方图对比
目录 1.直方图均衡化¶ 1.1 原理 1.2 直方图均衡化 1.3 直方图均衡化原理 1.4 代码实例 1.5 运行效果 2. 直方图计算¶ 2.1 目标 2.2 直方图 2.3 代码实例 2.4 ...
OpenCv：直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE)
总结了使用Python OpenCv处理图像直方图均衡化(HE),自适应直方图均衡化(AHE),限制对比度自适应直方图均衡化(CLAHE)的方法. 目录直方图均衡化(HE) 自适应直方图均衡化(AH ...
Python 图像处理OpenCV：直方图均衡化（笔记）
进行了直方图的均衡化和限制对比度的直方图均衡化. 代码如下: import cv2 as cv import matplotlib.pyplot as plt # 直方图均衡化 def img_his ...
opencv中直方图均衡化的小例子及详细注释
2019独角兽企业重金招聘Python工程师标准>>> #include <cv.h> #include <highgui.h>#include <io ...
openCV中直方图均衡化算法的理解
直方图均衡化就是调整灰度直方图的分布,即将原图中的灰度值映射为一个新的值.映射的结果直观表现是灰度图的分布变得均匀,从0到255都有分布,不像原图那样集中.图像上的表现就是对比度变大,亮的更亮,暗的更 ...

OpenCV-实现直方图均衡化（对比cv::equalizeHist）