专栏首页深度学习和计算机视觉【从零学习OpenCV 4】直方图均衡化

【从零学习OpenCV 4】直方图均衡化

经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。

如果一个图像的直方图都集中在一个区域,则整体图像的对比度比较小,不便于图像中纹理的识别。例如相邻的两个像素灰度值如果分别是120和121,仅凭肉眼是如法区别出来的。同时,如果图像中所有的像素灰度值都集中在100到150之间,则整个图像想会给人一种模糊的感觉,看不清图中的内容。如果通过映射关系,将图像中灰度值的范围扩大,增加原来两个灰度值之间的差值,就可以提高图像的对比度,进而将图像中的纹理突出显现出来,这个过程称为图像直方图均衡化。

在OpenCV 4中提供了equalizeHist()函数用于将图像的直方图均衡化,该函数的函数原型在代码清单4-7中给出。

代码清单4-7 equalizeHist()函数原型
1.  void cv::equalizeHist(InputArray src,
2.                             OutputArray dst
3.                             )
  • src:需要直方图均衡化的CV_8UC1图像。
  • dst:直方图均衡化后的输出图像,与src具有相同尺寸和数据类型。

该函数形式比较简单,但是需要注意该函数只能对单通道的灰度图进行直方图均衡化。对图像的均衡化示例程序在代码清单4-8中给出,程序中我们将一张图像灰度值偏暗的图像进行均衡化,通过结果可以发现经过均衡化后的图像对比度明显增加,可以看清楚原来看不清的纹理。通过绘制原图和均衡化后的图像的直方图可以发现,经过均衡化后的图像直方图分布更加均匀。

代码清单4-8 myEqualizeHist.cpp直方图均衡化实现
4.  #include <opencv2\opencv.hpp>
5.  #include <iostream>
6.  
7.  using namespace cv;
8.  using namespace std;
9.  
10.  void drawHist(Mat &hist, int type, string name)  //归一化并绘制直方图函数
11. {
12.    int hist_w = 512;
13.    int hist_h = 400;
14.    int width = 2;
15.    Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);
16.    normalize(hist, hist, 1, 0, type, -1, Mat());
17.    for (int i = 1; i <= hist.rows; i++)
18.    {
19.      rectangle(histImage, Point(width*(i - 1), hist_h - 1),
20.        Point(width*i - 1, hist_h - cvRound(hist_h*hist.at<float>(i - 1)) - 1),
21.        Scalar(255, 255, 255), -1);
22.    }
23.    imshow(name, histImage);
24.  }
25.  //主函数
26.  int main()
27. {
28.    Mat img = imread("gearwheel.jpg");
29.    if (img.empty())
30.    {
31.      cout << "请确认图像文件名称是否正确" << endl;
32.      return -1;
33.    }
34.    Mat gray, hist, hist2;
35.    cvtColor(img, gray, COLOR_BGR2GRAY);
36.    Mat equalImg;
37.    equalizeHist(gray, equalImg); //将图像直方图均衡化
38.    const int channels[1] = { 0 };
39.    float inRanges[2] = { 0,255 };
40.    const float* ranges[1] = { inRanges };
41.    const int bins[1] = { 256 };
42.    calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges);
43.    calcHist(&equalImg, 1, channels, Mat(), hist2, 1, bins, ranges);
44.    drawHist(hist, NORM_INF, "hist");
45.    drawHist(hist2, NORM_INF, "hist2");
46.    imshow("原图", gray);
47.    imshow("均衡化后的图像", equalImg);
48.    waitKey(0);
49.    return 0;
50.  }

图4-6 myEqualizeHist.cpp程序运行结果

本文分享自微信公众号 - 小白学视觉(NoobCV),作者:小白

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-12-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【从零学习OpenCV 4】直方图比较

    经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社...

    小白学视觉
  • 【从零学习OpenCV 4】直方图匹配

    经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社...

    小白学视觉
  • 数字图像处理基本知识

    数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处...

    小白学视觉
  • 漫谈依赖管理工具:从Maven,Gradle到Go

    我是攻城师
  • 本周(7.1-7.7)比特大陆完成3-4亿美元的B轮融资 | 投融资汇总

    本周,国内民营火箭制造商星际荣耀获得A轮融资,其发射了国内第一枚真正意义上的民营火箭。

    镁客网
  • 有谁能告诉我这图是怎么画出来的?

    小编在一次浏览网页的时候不经意间发现了这张图 —— “HI”,仿佛是向小编打招呼,“你好,我在这儿呢!”如此精妙绝伦的画面小编是从来都不会放过的。可惜,点开图片...

    matlab爱好者
  • 谷歌TF2.0凌晨发布!“改变一切,力压PyTorch”

    Google深度学习科学家、Keras作者François Chollet热情的表示:“TensorFlow 2.0是一个来自未来的机器学习平台,它改变了一切”...

    OpenCV学堂
  • 跟面部识别开愚人玩笑?做一个时尚口罩就能实现

    目前,人脸识别的使用率正在不断上升,随之而来关于面部识别道德问题的争论也愈发激烈。从机场到社交媒体,面部识别的应用无处不在。因此,想让自己的脸不被扫描几乎是不可...

    CDA数据分析师
  • Shader-物体发光效果

    祝你万事顺利
  • 通用高效字符串匹配--Sunday算法

    字符串匹配(查找)算法是一类重要的字符串算法(String Algorithm)。有两个字符串, 长度为m的haystack(查找串)和长度为n的needle(...

    sunsky

扫码关注云+社区

领取腾讯云代金券