学习OpenCV范例（十七）——直方图计算和均衡化

本次案例将为大家介绍直方图计算和直方图均衡化，直方图的计算非常有用，在很多场合下都可以用上，不仅仅是在图像的灰度值上，还可能是在图像的其他特征上；图像的均衡化在图像预处理时经常被用到，它可以增强对比度，使得像素强度分布范围更广。

1、原理

直方图计算：

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html#histogram-calculation

直方图均衡化：

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_equalization/histogram_equalization.html#histogram-equalization

学习OpenCV:

http://download.csdn.net/detail/chenjiazhou12/7083295

2、代码实现

程序功能：

①输入一张图片，分解图像的三个通道，对三个通道进行直方图计算，并显示出来

②分解图像的三个通道，对三个通道进行直方图均衡，再合并三个通道，最后显示图像和直方图计算图像

#include "stdafx.h"

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

Mat calchistcontrol(vector<Mat> rgb);
void draw(Mat hist,int histSize,Mat histImage,int bin_w,int hist_h,int rgb);
/** @函数 main */
int main( int argc, char** argv )
{
Mat src, dst,rgb_merge,histImage,histImage1;
/// 装载图像
src = imread("scenery2.jpg" , 1 );
imshow("source_image",src);

if( !src.data )
{ return -1; }

/// 分割成3个单通道图像 ( R, G 和 B )
vector<Mat> rgb_planes;
split( src, rgb_planes );

///直方图计算
histImage=calchistcontrol(rgb_planes);

///三个通道直方图均衡化
vector<Mat> rgb_planes1;
split(src,rgb_planes1);
equalizeHist(rgb_planes1[0],rgb_planes1[0]);
equalizeHist(rgb_planes1[1],rgb_planes1[1]);
equalizeHist(rgb_planes1[2],rgb_planes1[2]);

///三个通道直方图均衡化后直方图计算
histImage1=calchistcontrol(rgb_planes1);

///合并三通道
merge(rgb_planes1,rgb_merge);

/// 显示直方图
imshow("calcHist Demo", histImage );
imshow("calcHist Demo1",histImage1);
imshow("rgb_merge",rgb_merge);

waitKey(0);

return 0;

}
Mat calchistcontrol(vector<Mat> rgb)
{

vector<Mat> rgb_planes;
rgb_planes=rgb;
/// 设定bin数目
int histSize = 255;

/// 设定取值范围 ( R,G,B) )
float range[] = { 0, 255 } ;
const float* histRange = { range };

bool uniform = true; bool accumulate = false;

Mat r_hist, g_hist, b_hist;

/// 计算直方图:
calcHist( &rgb_planes[0], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate );
calcHist( &rgb_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate );
calcHist( &rgb_planes[2], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );

// 创建直方图画布
int hist_w = 400; int hist_h = 400;
int bin_w = cvRound( (double) hist_w/histSize );

Mat histImage( hist_w, hist_h, CV_8UC3, Scalar( 0,0,0) );

/// 将直方图归一化到范围 [ 0, histImage.rows ]
normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );

/// 在直方图画布上画出直方图
draw(r_hist,histSize,histImage,bin_w,hist_h,1);
draw(g_hist,histSize,histImage,bin_w,hist_h,2);
draw(b_hist,histSize,histImage,bin_w,hist_h,3);
return histImage;
}
void draw(Mat hist,int histSize,Mat histImage,int bin_w,int hist_h,int rgb)
{
Scalar a;
switch(rgb)
{
case 1: a=Scalar(0,0,255);break;
case 2: a=Scalar(0,255,0);break;
case 3: a=Scalar(255,0,0);break;
}
int flag=1,first;
for( int i = 0; i < histSize; i++ )
{
if (flag==1)
{
if (cvRound(hist.at<float>(i)!=0))
{
flag=2;
first=i;
}
else
{
i++;
}
}
else
{
if (cvRound(hist.at<float>(i)!=0))
{
line( histImage, Point( bin_w*(first), hist_h - cvRound(hist.at<float>(first)) ) ,
Point( bin_w*(i), hist_h - cvRound(hist.at<float>(i)) ),
a, 2, 8, 0  );
first=i;
}
else
{
i++;
}
}

}
}

3、运行结果

图1、源图像



图2、合并图像





图3、源图像直方图 图4、合并图像直方图

4、用到的类和函数

calcHist

功能：计算图像 的直方图

结构：

void calcHist(const Mat* arrays, int narrays, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false )

arrays ：源图像集，他们都需要有同样的depth，CV_8U或者CV_32F，同样的size，可以有任意的通道数

narrays ：输入图像的个数

channels ：需要统计的通道 (dim)索引

mask ：掩码( 0 表示忽略该像素)， 如果未定义，则不使用掩码，如果不为null，则只有与mask非零元素对应的像素点会被包含在计算直方图当中。

hist ：输出直方图数组，是一个 dims 维的数组

dims ：直方图的维数

histSize ：直方图的大小，即每个维度的bin数目

ranges：每个维度的取值范围

uniform 、accumulate: bin大小相同，清除直方图痕迹

hist.at<float>（i）表示第i个bin中所保存的统计数量

equalizeHist

功能：灰度图象直方图均衡化

结构：

void equalizeHist(InputArray src, OutputArray dst)

src：源图像，8bit单通道图片

dst：目标图像，和源图像有同样的size和type

操作：

①、计算src的直方图H

②、归一化直方图，使得H中bins的和为255；

③、计算直方图积分



④、采用H'作为查询表进行变换：


该方法归一化图像亮度和增强对比度。