直方图均衡化

目录

• 目标
• 理论
  • 什么是图像直方图？
  • 什么是直方图均衡化？
  • 它是如何工作的？
• 代码
• 解释
• 结果

上一教程： 仿射变换
下一教程： 直方图计算

原始作者	Ana Huamán
兼容性	OpenCV >= 3.0

目标

在本教程中，您将学习

• 什么是图像直方图以及它为什么有用
• 使用 OpenCV 函数 cv::equalizeHist 对图像进行直方图均衡化

理论

什么是图像直方图？

• 它是图像强度分布的图形表示。
• 它量化了每个考虑的强度值的像素数量。

什么是直方图均衡化？

• 它是一种提高图像对比度的方法，目的是拉伸强度范围（另请参见相应的 维基百科条目）。
• 为了更清楚地说明，从上面的图像中，您可以看到像素似乎聚集在可用强度范围的中间。直方图均衡化所做的是拉伸这个范围。看一下下面的图片：绿色圆圈表示人口稀少的强度。应用均衡化后，我们得到一个像中间图片一样的直方图。右边的图片显示了结果图像。

它是如何工作的？

• 均衡化意味着将一个分布（给定的直方图）映射到另一个分布（更宽且更均匀的强度值分布），以便强度值分布在整个范围内。

• 为了实现均衡效果，重新映射应该是累积分布函数 (cdf)（更多细节，请参考Learning OpenCV）。对于直方图\(H(i)\)，它的累积分布\(H^{'}(i)\) 为

  \[H^{'}(i) = \sum_{0 \le j < i} H(j)\]

  为了将其用作重新映射函数，我们必须对\(H^{'}(i)\) 进行归一化，使其最大值为 255（或图像强度最大值）。从上面的示例中，累积函数为

• 最后，我们使用一个简单的重新映射过程来获得均衡图像的强度值

  \[equalized( x, y ) = H^{'}( src(x,y) )\]

代码

• 这个程序做什么？
  • 加载图像
  • 将原始图像转换为灰度图像
  • 使用 OpenCV 函数 cv::equalizeHist 对直方图进行均衡化
  • 在一个窗口中显示源图像和均衡后的图像。

C++

• 可下载代码： 点击 此处
• 代码概述

   
  #include "opencv2/imgcodecs.hpp"
  #include "opencv2/highgui.hpp"
  #include "opencv2/imgproc.hpp"
  #include <iostream>
   
  using namespace cv;
  using namespace std;
   
  int main( int argc, char** argv )
  {
      CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "Could not open or find the image!\n" << endl;
  cout << "Usage: " << argv[0] << " <Input image>" << endl;
          return -1;
      }
   
  cvtColor( src, src, COLOR_BGR2GRAY );
   
      Mat dst;
  equalizeHist( src, dst );
   
  imshow( "Source image", src );
  imshow( "Equalized Image", dst );
   
  waitKey();
   
      return 0;
   
  }

Java

• 可下载代码： 点击 此处
• 代码概述

  import org.opencv.core.Core;
  import org.opencv.core.Mat;
  import org.opencv.highgui.HighGui;
  import org.opencv.imgcodecs.Imgcodecs;
  import org.opencv.imgproc.Imgproc;
   
  class EqualizeHist {
      public void run(String[] args) {
  String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
  Mat src = Imgcodecs.imread(filename);
          if (src.empty()) {
  System.err.println("Cannot read image: " + filename);
  System.exit(0);
          }
   
  Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
   
  Mat dst = new Mat();
  Imgproc.equalizeHist( src, dst );
   
  HighGui.imshow( "Source image", src );
  HighGui.imshow( "Equalized Image", dst );
   
  HighGui.waitKey(0);
   
  System.exit(0);
      }
  }
   
  public class EqualizeHistDemo {
   
      public static void main(String[] args) {
          // 加载本机 OpenCV 库
  System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
   
          new EqualizeHist().run(args);
      }
   
  }

Python

• 可下载代码： 点击 此处
• 代码概述

  from __future__ import print_function
  import cv2 as cv
  import argparse
   
   
  parser = argparse.ArgumentParser(description='Code for Histogram Equalization tutorial.')
  parser.add_argument('--input', help='Path to input image.', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('Could not open or find the image:', args.input)
  exit(0)
   
   
   
  src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
   
   
   
  dst = cv.equalizeHist(src)
   
   
   
  cv.imshow('Source image', src)
  cv.imshow('Equalized Image', dst)
   
   
   
  cv.waitKey()
   

解释

• 加载源图像

  C++

      CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "Could not open or find the image!\n" << endl;
  cout << "Usage: " << argv[0] << " <Input image>" << endl;
          return -1;
      }

  Java

  String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
  Mat src = Imgcodecs.imread(filename);
          if (src.empty()) {
  System.err.println("Cannot read image: " + filename);
  System.exit(0);
          }

  Python

  parser = argparse.ArgumentParser(description='Code for Histogram Equalization tutorial.')
  parser.add_argument('--input', help='Path to input image.', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('Could not open or find the image:', args.input)
  exit(0)

• 将其转换为灰度图像

  C++

  cvtColor( src, src, COLOR_BGR2GRAY );

  Java

  Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);

  Python

  src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

• 使用函数 cv::equalizeHist 应用直方图均衡化

  C++

      Mat dst;
  equalizeHist( src, dst );

  Java

  Mat dst = new Mat();
  Imgproc.equalizeHist( src, dst );

  Python

  dst = cv.equalizeHist(src)

  如您所见，唯一的参数是原始图像和输出（均衡化）图像。

• 显示两个图像（原始图像和均衡化图像）

  C++

  imshow( "Source image", src );
  imshow( "Equalized Image", dst );

  Java

  HighGui.imshow( "Source image", src );
  HighGui.imshow( "Equalized Image", dst );

  Python

  cv.imshow('Source image', src)
  cv.imshow('Equalized Image', dst)

• 等待用户退出程序

  C++

  waitKey();

  Java

  HighGui.waitKey(0);

  Python

  cv.waitKey()

结果

1. 为了更好地了解均衡化的结果，让我们介绍一张对比度不高的图像，例如

顺便说一下，它的直方图是这样的

注意，像素集中在直方图的中心附近。

1. 使用我们的程序应用均衡化后，我们得到以下结果

这张图像的对比度肯定更高。看一下它新的直方图

注意，像素数量在强度范围内分布得更多。

注意

您想知道我们是如何绘制上面显示的直方图的？查看以下教程！