直方图均衡化C++实现

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_38285131/article/details/83212021

直方图均衡化主要是为了增强图像的对比度，是直方图分布更加均匀

概念可以参考其他博客的介绍。

主要分为以下几个主要步骤：

1.统计每一个灰度级的像素总数
2.计算每一个灰度级的概率（P(valueNumber)/piexelNumber，该灰度级像素除以像素总数）
3.累积概率，例如：p1=0.01,p2=0.01,p3=0.02,则累积概率为p1 p1+p2 p1+p2+p3;
4.将灰度值映射为： 灰度级*该灰度级累积概率值

原图：

直方图均衡化之后：

代码如下：

#include "opencv2/opencv.hpp"
#include "opencv2/core.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "iostream"
using namespace cv;
using namespace std;

bool EqualizeHist(Mat gray, Mat result)
{
	map<int, int>mp;
	for (int i = 0; i < gray.rows; i++)
	{
		uchar* ptr = (uchar*)gray.data + i * gray.cols;
		for (int j = 0; j < gray.cols; j++)
		{
			int value = ptr[j];
			mp[value]++;
		}
	}
	map<int, double>valuePro;
	double sumPro = 0.0;
	int sumPixel = gray.cols*gray.rows;
	for (int i = 0; i < 256; i++)
	{
		sumPro += (1.0*mp[i]) / sumPixel;
		valuePro[i] = sumPro;
	}
	for (int i = 0; i < gray.rows; i++)
	{
		uchar* ptr1 = (uchar*)gray.data + i * gray.cols;
		for (int j = 0; j < gray.cols; j++)
		{
			int value = ptr1[j];
			double p = valuePro[value];
			result.at<uchar>(i, j) = value * p;
		}
	}
	return true;
}



int main()
{
	Mat srcImage = imread("IMG4_MRF_focus.tif");
	Mat image = imread("IMG4_MRF_focus.tif");
	Mat imageRGB[3];
	split(srcImage, imageRGB);
	//Mat image1[3];
	for (int i = 0; i < 3; i++)
	{
		EqualizeHist(imageRGB[i], imageRGB[i]);
	}
	merge(imageRGB,3, srcImage);
	imshow("原图", image);
	imshow("直方图", srcImage);
	waitKey();
	return 0;
}