直方圖均衡化的作用是圖像增強。
有兩個問題比較難懂,一是為什麼要選用累積分布函數,二是為什麼使用累積分布函數處理後像素值會均勻分布。
第一個問題。均衡化過程中,必須要保證兩個條件:①像素無論怎麼映射,一定要保證原來的大小關系不變,較亮的區域,依舊是較亮的,較暗依舊暗,隻是對比度增大,絕對不能明暗颠倒;②如果是八位圖像,那麼像素映射函數的值域應在0和255之間的,不能越界。綜合以上兩個條件,累積分布函數是個好的選擇,因為累積分布函數是單調增函數(控制大小關系),并且值域是0到1(控制越界問題),是以直方圖均衡化中使用的是累積分布函數。
第二個問題。累積分布函數具有一些好的性質,那麼如何運用累積分布函數使得直方圖均衡化?比較機率分布函數和累積分布函數,前者的二維圖像是參差不齊的,後者是單調遞增的。直方圖均衡化過程中,映射方法是
其中,n是圖像中像素的總和,
是目前灰階級的像素個數,L是圖像中可能的灰階級總數。
來看看通過上述公式怎樣實作的拉伸。假設有如下圖像:
得圖像的統計資訊如下圖所示,并根據統計資訊完成灰階值映射:
映射後的圖像如下所示:
以上就是直方圖映射均衡化的步驟,當然還有一些基于此的更優算法,比如Photoshop中的方法,在此就不一一列舉了,大同小異。
// HistogramGrayEqualizeHist.cpp : 定義控制台應用程式的入口點。
//
#include "stdafx.h"
#include <iostream>
#include <opencv2/core/core.hpp> //cvGetSize cvCreateImage
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp> //cvResize cvInitMatHeader cvGetMinMaxHistValue cvCvtColor
#include <opencv2/imgproc/imgproc.hpp>
#ifdef _DEBUG
#pragma comment(lib, "opencv_core244d")
#pragma comment(lib, "opencv_highgui244d")
#pragma comment(lib, "opencv_imgproc244d") //cvResize
#else
#pragma comment(lib, "opencv_core244d")
#pragma comment(lib, "opencv_highgui244d")
#pragma comment(lib, "opencv_imgproc244d") //cvResize
#endif
#define cvQueryHistValue_1D(hist,idx0) ((float)cvGetReal1D( (hist)->bins, (idx0)))
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
void FillWhite(IplImage *pImage)
{
cvRectangle(pImage, cvPoint(0, 0), cvPoint(pImage->width, pImage->height), CV_RGB(255, 255, 255), CV_FILLED);
}
// 建立灰階圖像的直方圖
CvHistogram* CreateGrayImageHist(IplImage **ppImage)
{
int nHistSize = 256;
float fRange[] = {0, 255}; //灰階級的範圍
float *pfRanges[] = {fRange};
CvHistogram *pcvHistogram = cvCreateHist(1, &nHistSize, CV_HIST_ARRAY, pfRanges);
cvCalcHist(ppImage, pcvHistogram);
return pcvHistogram;
}
// 根據直方圖建立直方圖圖像
IplImage* CreateHisogramImage(int nImageWidth, int nScale, int nImageHeight, CvHistogram *pcvHistogram)
{
IplImage *pHistImage = cvCreateImage(cvSize(nImageWidth * nScale, nImageHeight), IPL_DEPTH_8U, 1);
FillWhite(pHistImage);
//統計直方圖中的最大直方塊
float fMaxHistValue = 0;
cvGetMinMaxHistValue(pcvHistogram, NULL, &fMaxHistValue, NULL, NULL);
//分别将每個直方塊的值繪制到圖中
int i;
for(i = 0; i < nImageWidth; i++)
{
float fHistValue = cvQueryHistValue_1D(pcvHistogram, i); //像素為i的直方塊大小
int nRealHeight = cvRound((fHistValue / fMaxHistValue) * nImageHeight); //要繪制的高度
cvRectangle(pHistImage,
cvPoint(i * nScale, nImageHeight - 1),
cvPoint((i + 1) * nScale - 1, nImageHeight - nRealHeight),
cvScalar(i, 0, 0, 0),
CV_FILLED
);
}
return pHistImage;
}
int main( int argc, char** argv )
{
const char *pstrWindowsSrcTitle = "原圖";
const char *pstrWindowsGrayTitle = "灰階圖";
const char *pstrWindowsHistTitle = "直方圖";
const char *pstrWindowsGrayEqualizeTitle = "灰階圖-均衡化後";
const char *pstrWindowsHistEqualizeTitle = "直方圖-均衡化後";
// 從檔案中加載原圖
// IplImage *pSrcImage = cvLoadImage("./images/yangmi.jpg", CV_LOAD_IMAGE_UNCHANGED);
IplImage *pSrcImage = cvLoadImage("./images/beauty.png", CV_LOAD_IMAGE_UNCHANGED);
IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
IplImage *pGrayEqualizeImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
// 灰階圖
cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
// 直方圖圖像資料
int nHistImageWidth = 255;
int nHistImageHeight = 150;
int nScale = 2;
// 灰階直方圖及直方圖圖像
CvHistogram *pcvHistogram = CreateGrayImageHist(&pGrayImage);
IplImage *pHistImage = CreateHisogramImage(nHistImageWidth, nScale, nHistImageHeight, pcvHistogram);
// 均衡化
//函數功能:直方圖均衡化,該函數能歸一化圖像亮度和增強對比度
//第一個參數表示輸入圖像,必須為灰階圖(8位,單通道圖)
//第二個參數表示輸出圖像
//該函數采用如下法則對輸入圖像進行直方圖均衡化:
//1:計算輸入圖像的直方圖H。
//2:直方圖歸一化,是以直方塊和為255。
//3:計算直方圖積分,H'(i) = Sum(H(j)) (0<=j<=i)。
//4:采用H'作為查詢表:dst(x, y) = H'(src(x, y))進行圖像變換。
cvEqualizeHist(pGrayImage, pGrayEqualizeImage);
// 均衡化後的灰階直方圖及直方圖圖像
CvHistogram *pcvHistogramEqualize = CreateGrayImageHist(&pGrayEqualizeImage);
IplImage *pHistEqualizeImage = CreateHisogramImage(nHistImageWidth, nScale, nHistImageHeight, pcvHistogramEqualize);
// 顯示
cvNamedWindow(pstrWindowsSrcTitle);
cvNamedWindow(pstrWindowsGrayTitle);
cvNamedWindow(pstrWindowsGrayEqualizeTitle);
cvNamedWindow(pstrWindowsHistTitle);
cvNamedWindow(pstrWindowsHistEqualizeTitle);
cvShowImage(pstrWindowsSrcTitle,pSrcImage);
cvShowImage(pstrWindowsGrayTitle,pGrayImage);
cvShowImage(pstrWindowsGrayEqualizeTitle,pGrayEqualizeImage);
cvShowImage(pstrWindowsHistTitle,pHistImage);
cvShowImage(pstrWindowsHistEqualizeTitle,pHistEqualizeImage);
cvWaitKey(0);
//回收資源代碼…
cvDestroyWindow(pstrWindowsSrcTitle);
cvDestroyWindow(pstrWindowsGrayTitle);
cvDestroyWindow(pstrWindowsGrayEqualizeTitle);
cvDestroyWindow(pstrWindowsHistTitle);
cvDestroyWindow(pstrWindowsHistEqualizeTitle);
cvReleaseImage(&pSrcImage);
cvReleaseImage(&pGrayImage);
cvReleaseImage(&pGrayEqualizeImage);
cvReleaseImage(&pHistImage);
cvReleaseImage(&pHistEqualizeImage);
return 0;
}
實驗結果:
本文參考:
http://blog.csdn.net/rushkid02/article/details/9178117
http://blog.csdn.net/zrongh/article/details/7302816 直方圖均衡化原理
http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM 直方圖均衡化