直方图均衡化原理和实现
基本思想
将原始图像的直方图分布转换为一个均匀分布的直方图，这样原图中的高频率亮度值会被展宽，而低频率亮度值则被压缩，从而达到增强图像对比度的效果。
计算过程
假设我们有一个灰度图像，其像素值范围从0到L-1（对于8位图像，L=256）。直方图均衡化的计算步骤如下：
- 计算原始直方图：对于灰度级i，计算图像中灰度级为i的像素数目，记为h(i)。
- 计算累积分布函数（CDF）：累积分布函数是直方图的一个累积和，对于灰度级i，CDF计算如下：
- 归一化CDF：将CDF的值归一化到0到L-1的范围内。这可以通过以下公式完成：
- 应用均衡化映射：最后，对每个像素，使用归一化的CDF值来替换原始图像中的灰度值，这样就得到了均衡化后的图像。
例子
假设图像的像素值如下：
1, 3, 0, 2, 1, 3, 3, 2
- 首先，计算这个图像的直方图。
灰度级: 0 1 2 3
数量: 1 2 2 3
- 计算累积分布函数（CDF）
CDF对于每个灰度级i，累积从0到i的像素数量。因此，对于我们的例子：
灰度级: 0 1 2 3
CDF: 1 3 5 8
- 归一化CDF
将CDF归一化到0到255的范围（对于8位图像）。归一化的公式是：
对于我们的例子，M ×N = 8（图像的像素总数），CDF_{min} = 1（CDF中的最小值），L = 4（灰度级总数）。因此，归一化CDF为：
灰度级: 0 1 2 3
归一化CDF: 0 85 170 255
- 应用均衡化映射
最后，根据归一化的CDF来更新图像的像素值。每个原始像素值i都被映射为归一化CDF中的相应值。因此，原图像像素值转换后为：
原始图像: 1 3 0 2 1 3 3 2
均衡化后: 85 255 0 170 85 255 255 170
由于简化了范围，实际应用中，这些新的像素值将会根据实际情况进行调整，以匹配原图像的灰度级范围。在现实操作中，直方图均衡化后的图像将展现更好的对比度和亮度分布。
实现1-只针对灰度图像
// 直方图均衡化
void QuickDemo::histogram_eq_demo(Mat &image) {
Mat gray, dst;
cvtColor(image, gray, COLOR_BGR2GRAY);
equalizeHist(gray, dst);
imshow("Raw gray", gray);
imshow("EqualizeHist", dst);
}
原文地址：https://blog.csdn.net/xiaofeixia002X/article/details/136700700
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！