灰度直方图及均衡化的实现

一、灰度直方图，就是对图像像素灰度值的统计，对于灰度图像，只有一个通道，其灰度范围为0-255，因此只需要将图像转成灰度图像，然后对不同灰度值进行像素个数统计，画出其直方图。下面借助Opencv，但为了让初学者更好的理解这个概念，直方图的代码按照自己的理解写一遍，这样也能锻炼自己的编程能力。

代码如下：

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

int main()
{
	Mat image=imread("test.png",1);
	if(image.empty())
	{
		cout<<"failed to read the image"<<endl;
		return 0;
	}
	imshow("image",image);
	Mat grayImage;
	cvtColor(image,grayImage,CV_BGR2GRAY);    
	//遍历图像所有像素的灰度值
	int grayVal;
	vector<int> vectGrayVal;      
	for (int i=0;i<image.rows;i++)
	{
		for (int j=0;j<image.cols;j++)
		{
			grayVal=grayImage.at<uchar>(i,j);
			vectGrayVal.push_back(grayVal);
		}
	}
	//统计各个灰度值的像素个数
	int count=0;
	vector<int> vectCount;
	for (int k=0;k<256;k++)         
	{
		for (int i=0;i<vectGrayVal.size();i++)
		{
			if (vectGrayVal[i] == k)
			{
				count++;
			}
		}
		vectCount.push_back(count);
		count=0;
	}
	//画出直方图
	int maxCount=0;
	for (int k=0;k<255;k++)
	{
		if (maxCount<vectCount[k])
		{
			maxCount=vectCount[k];
		}
	}
	namedWindow("hist",WINDOW_NORMAL);
	Mat hist(maxCount,256,CV_8U,Scalar(255));
	for (int k=0;k<256;k++)
	{
		line(hist,Point(k,maxCount),Point(k,maxCount-vectCount[k]),Scalar(0));
	}
	imshow("hist",hist);
	waitKey(0);
	return 1;
}

    

效果很直观，但效率很差。

二、对灰度图实行均衡化，可以使图像对比度增强。直方图均衡化增强了靠近直方图极大值附近的亮度的对比度，减小了极小值附近的对比度。直方图均衡化的数学原理可以去看《图像处理、分析与机器视觉》中的第5章，讲的很清楚，而且也有算法原理，下面贴算法原理的图：

 

根据上述原理，其代码如下:

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void equalizeHist(Mat& image, Mat& result)
{
	if (image.channels() !=1)
	{
		cvtColor(image, image, CV_BGR2GRAY);
		imshow("gray", image);
	}
	vector<int> vectGrayVal;
	int grayVal;
	int Row = image.rows;
	int Col = image.cols;
	for (int i = 0; i < Row;i++)
	{
		for (int j = 0; j < Col;j++)
		{
			grayVal = image.at<uchar>(i, j);
			vectGrayVal.push_back(grayVal);
		}
	}
	int count = 0;
	vector<int> vectCount;
	for (int k = 0; k < 256;k++)
	{
		for (int i = 0; i < vectGrayVal.size(); i++)
		{
			if (vectGrayVal[i]==k)
			{
				count++;
			}
		}
		vectCount.push_back(count);
		count = 0;
	}
	result = Mat(Row, Col, CV_8UC1);
	//均衡化
	for (int k = 0; k < 256;k++)
	{
		if (k!=0)
		{
			vectCount[k] = vectCount[k - 1] + vectCount[k];
		}		
	}
	for (int k = 0; k < 256; k++)
	{
		vectCount[k] = vectCount[k]*255 / (Row*Col);
	}

	for (int i = 0; i < Row; i++)
	{
		for (int j = 0; j < Col; j++)
		{
			result.at<uchar>(i, j) = vectCount[image.at<uchar>(i, j)];
		}
	}
}

void main()
{
	Mat image = imread("test.png", 1);
	imshow("image", image);
	Mat result;
	equalizeHist(image, result);
	imwrite("2.png",result);
	cvtColor(result, result, CV_GRAY2BGR);
	imshow("result", result);
	waitKey(0);
	return;
}

下图为处理后的图片的灰度直方图，可以看出其灰度分布并没有集中在某一区域。