三、使用OpenCV自己实现拉伸低对比度图像：幂率变换、直方图均衡

点击链接→【数字图像处理】简单实践汇总

1. 幂率变换

先将像素值缩放到0 ~ 255的范围，作为底数，当指数大于1的时候图片会变暗，指数小于1则会变亮！

	srcImage = imread("src.jpg",0);
	imshow(WIMDOW_NAME, srcImage);
	Mat dImage = srcImage;
	for (int i = 0; i < srcImage.rows; i++)
	{
		for (int j = 0; j < srcImage.cols; j++)
		{
			dImage.at<uchar>(i, j) = 255 * srcImage.at<uchar>(i, j) / 255
										 * srcImage.at<uchar>(i, j) / 255
										 * srcImage.at<uchar>(i, j) / 255;
		}
	}
	imshow("幂律变换", dImage);

2. 直方图均衡

• 大多数自然图像，其灰度分布集中在较窄的区间，引起图像细节不够清晰，采用直方图修正后可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰，达到增强的目的。例如一幅过曝光的图片，其灰度级都集中在高亮度范围内，而曝光不足的图片，其灰度级集中在低亮度范围内，具有这样直方图的图片其可视效果比较差。
• 直方图均衡的步骤：
  1.统计绘图级：
  $p_r(r_k)=\frac{n_k}{n}$
  2.计算累计分布曲线：
  $s_k=T(r_k)=\sum ^k _{j=0} p_r(r_j)=\sum ^k _{j=0} \frac{n_j}{n}$
  3.用累积分布作为变换函数：
  $S(k)=int[(max(r_k)-min(r_k))\bullet s_k + 0.5]$
  
  表中的数据是别的图的

	srcImage = imread("2.jpg", 0);
	imshow(WIMDOW_NAME, srcImage);
	Mat dImage2 = srcImage;
	int nmax = srcImage.rows * srcImage.cols;
	int n[256] = { 0 };
	double p[256] = { 0 };
	double s[256] = { 0 };
	int sk[256] = { 0 };
	
	for (int i = 0; i < srcImage.rows; i++)
	{
		for (int j = 0; j < srcImage.cols; j++)
		{
			n[dImage2.at<uchar>(i, j)] += 1;
		}
	}
	for (int i = 0; i < 256; i++)
	{
		p[i] = 1.0 * n[i] / nmax;
		if(i == 0) 
			s[i] = p[i];
		else 
			s[i] = s[i-1] + p[i];
		sk[i] = 255 * s[i] + 0.5;
	}
	for (int i = 0; i < srcImage.rows; i++)
	{
		for (int j = 0; j < srcImage.cols; j++)
		{
			dImage2.at<uchar>(i, j) =sk[dImage2.at<uchar>(i, j)];
		}
	}
	imshow("直方图均衡", dImage2);