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

上一个教程： 仿射变换
下一个教程： 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
• 通过使用 OpenCV 函数 cv::equalizeHist 来均衡图像的直方图

理论

什么是图像直方图？

• 它是图像强度分布的图形表示。
• 它量化了每个强度值的像素数量。

什么是直方图均衡化？

• 它是一种改善图像对比度的方法，目的是拉伸强度范围（另请参阅相应的 Wikipedia 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。看一下下图：绿色圆圈表示未充分填充的强度。应用均衡化后，我们得到了像中心图中那样的直方图。结果图像显示在右侧的图片中。

它是如何工作的？

• 均衡化意味着映射一种分布（给定的直方图）到另一种分布（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。

• 为了实现均衡化效果，重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 \(H^{'}(i)\) 是

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

  要将此用作重映射函数，我们必须对 \(H^{'}(i)\) 进行归一化，使其最大值为 255（或图像强度的最大值）。从上面的例子中，累积函数是

• 最后，我们使用一个简单的重映射程序来获得均衡图像的强度值

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

代码

• 此程序的作用是什么？
  • 加载图像
  • 将原始图像转换为灰度图
  • 通过使用 OpenCV 函数 cv::equalizeHist 来均衡直方图
  • 在窗口中显示源图像和均衡化后的图像。

C++

• 可下载代码：点击 这里
• 代码速览

   
  #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 | 输入图像}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "无法打开或找到图像!\n" << endl;
  cout << "用法: " << argv[0] << " <输入图像>" << endl;
          return -1;
      }
   
  cvtColor( src, src, COLOR_BGR2GRAY );
   
      Mat dst;
  equalizeHist( src, dst );
   
  imshow( "源图像", src );
  imshow( "均衡化后的图像", dst );
   
  cv::Mat::empty
   
      return 0;
   
  }

Java

• 可下载代码：点击 这里
• 代码速览

  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("无法读取图像：" + filename);
  System.exit(0);
          }
   
  Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
   
  Mat dst = new Mat();
  Imgproc.equalizeHist( src, dst );
   
  HighGui.imshow( "源图像", src );
  HighGui.imshow( "均衡化后的图像", dst );
   
  HighGui.waitKey(0);
   
  System.exit(0);
      }
  }
   
  public class EqualizeHistDemo {
   
      public static void main(String[] args) {
          // 加载本地 OpenCV 库
  System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
   
          new EqualizeHist().run(args);
      }
   
  }

Python

• 可下载代码：点击 这里
• 代码速览

  from __future__ import print_function
  import cv2 as cv
  import argparse
   
   
  parser = argparse.ArgumentParser(description='直方图均衡化教程代码。')
  parser.add_argument('--input', help='输入图像的路径。', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('无法打开或找到图像：', args.input)
  exit(0)
   
   
   
  src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
   
   
   
  dst = cv.equalizeHist(src)
   
   
   
  cv.imshow('源图像', src)
  cv.imshow('均衡化后的图像', dst)
   
   
   
  cv.waitKey()
   

说明

• 加载源图像

  C++

      CommandLineParser parser( argc, argv, "{@input | lena.jpg | 输入图像}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "无法打开或找到图像!\n" << endl;
  cout << "用法: " << argv[0] << " <输入图像>" << 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("无法读取图像：" + filename);
  System.exit(0);
          }

  Python

  parser = argparse.ArgumentParser(description='直方图均衡化教程代码。')
  parser.add_argument('--input', help='输入图像的路径。', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('无法打开或找到图像：', args.input)
  exit(0)

• 将其转换为灰度图

  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)

  正如很容易看到的，唯一的参数是原始图像和输出（均衡化）图像。

• 显示两张图像（原始图像和均衡化后的图像）

  C++

      imshow( "源图像", src );
      imshow( "均衡化后的图像", dst );

  Java

  HighGui.imshow( "源图像", src );
  HighGui.imshow( "均衡化后的图像", dst );

  Python

  cv.imshow('源图像', src)
  cv.imshow('均衡化后的图像', dst)

• 等待用户退出程序

  C++

      waitKey();

  Java

  HighGui.waitKey(0);

  Python

  cv.waitKey()

结果

1. 为了更好地欣赏均衡化的结果，让我们引入一张对比度不高的图像，例如

顺便说一句，它有这样的直方图

请注意，像素聚集在直方图的中心附近。

1. 在使用我们的程序应用均衡化后，我们得到这样的结果

这张图像肯定具有更高的对比度。像这样检查一下它的新直方图

请注意，像素的数量如何更均匀地分布在强度范围内。

注意

您是否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！