数字图像处理之图像获取与直方图均衡化

前言

咕了一个学期，终于有时间也有东西可写了，虽然只是大三上修的数字图像处理的实验而已。

实验要求

1. 统计每个灰度下的像素个数
2. 绘制出直方图
3. 计算累计密度
4. 重新计算均衡化后的灰度值，四舍五入
5. 直方图均衡化，更新原图每个点的像素值

直方图均衡化

直方图均衡化是常用的图像增强处理技术，其原理为：
r：原图像灰度级
s：均衡化后的图像灰度级
$P_r(w)$：图像灰度概率分布
$P_s(w)$：均衡化后的图像灰度概率分布
设直方图均衡化变换函数为$s=T(r)$，有$\int_{rmin}^r{P_r(w)dw}=\int_{smin}^s{P_s(w)dw}=C(r)$
其中C(r)为累计分布函数
若期望变换后输出图像的灰度概率密度均匀分布，即$P_s(s)=\frac{1}{smax-smin}$，则$C(r)=\int_{smin}^s{\frac{1}{smax-smin}dw}=\frac{s-smin}{smax-smin}$
所以可得$s=[smax-smin]C(r)+smin$

代码

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

using namespace std;
using namespace cv;

int p_cnt[256];
float p_sum[256];
int s[256];
int rows,cols;
void DrawHistogram(string name,Mat src){
	for(int i=0;i<256;i++)p_cnt[i]=0;
	
	int maxvalue = 0;
	for(int i=0;i<rows;i++)
	{
		for(int j=0;j<cols;j++)
		{	
			int p = src.at<uchar>(i,j);
			p_cnt[p]+=1;
			if(p_cnt[p]>maxvalue){
				maxvalue=p_cnt[p];
			}
		}
	}
	cv::Mat histogram(Size(256,256),CV_8U,Scalar(0));
	for(int i=0;i<256;i++){
		int h=p_cnt[i]*255/maxvalue;//归一化
		line(histogram,Point(i,255),Point(i,255-h),Scalar(255));
	}
	imshow(name,histogram);
}
int main(int argc,char **argv){
	Mat img_in,img_out;
	//读取原始图像
	img_in=imread(argv[1],IMREAD_UNCHANGED);
	//检查是否读取图像
	if(img_in.empty()){
		cout<<"Error! Input image cannot be read...\n";
		return -1;
	}
	
	imshow("src",img_in);
	//转化为灰度图  
	//code	
	cv::Mat grayimg;
	cv::cvtColor(img_in,grayimg,CV_BGR2GRAY);	
	imshow("均衡化前的图像",grayimg);
	rows = grayimg.rows;
	cols = grayimg.cols;
	int N = cols*rows;
	
	DrawHistogram("均衡化前的直方图",grayimg);
	
	//直方图均衡化
	for(int i=0;i<256;i++){
		
		if(i==0){
			p_sum[i]=1.0*p_cnt[i]/N;
		}
		else p_sum[i]=p_sum[i-1]+1.0*p_cnt[i]/N;
		s[i] = p_sum[i]*255+0.5;
	}
	//更新像素灰度值
	cv::Mat finaimg(grayimg);
	for(int i=0;i<rows;i++)
	{
		for(int j=0;j<cols;j++)
		{	
			int p = grayimg.at<uchar>(i,j);
			finaimg.at<uchar>(i,j) = s[p];
		}
	}
	imshow("均衡化后的图像",finaimg);
	
	DrawHistogram("均衡化后的直方图",finaimg);
	cout << "Press any key to exit...\n";
    waitKey(); // Wait for key press
    return 0;
}

运行结果