OpenCV（cv::equalizeHist()）

做梦当财神 / 2024-09-20 / 原文

1. 函数定义
2. 函数原理
3. 示例
4. 应用场景
5. 注意事项
6. 彩色图像直方图均衡化

cv::equalizeHist() 是 OpenCV 中用于图像直方图均衡化的函数。该函数主要用于增强图像的对比度，尤其是在图像的光照条件不均匀或整体对比度较低的情况下，直方图均衡化可以有效改善图像的细节。

1. 函数定义

void cv::equalizeHist(InputArray src, OutputArray dst);

参数：

src (InputArray)：
- 输入图像。必须是单通道的 8 位图像，即灰度图像（CV_8UC1）。该图像表示的是灰度级别，范围为 [0, 255]。
dst (OutputArray)：
- 输出图像。将存储直方图均衡化后的结果图像，与输入图像大小相同，类型也为 8 位单通道（灰度图像）。

2. 函数原理

cv::equalizeHist() 通过调整输入图像的直方图，使其变得更加均匀分布，增加图像的对比度，特别是在亮度或暗度区域较为集中的图像中。

直方图均衡化 是通过以下步骤进行的：

计算直方图：
- 对输入图像中的每个灰度值（0 到 255）计算其出现频率，形成灰度值的概率分布。
计算累积分布函数（CDF, Cumulative Distribution Function）：
- 将直方图中各个灰度值的频率累计，得到累积分布函数。累积分布函数描述了灰度值在图像中的分布情况。
计算新的灰度值：
- 利用累积分布函数将原始的灰度值映射为新的灰度值，使灰度值更加均匀分布。这种映射将图像的对比度范围扩展到整个灰度范围（0 到 255），从而增强对比度。
生成输出图像：
- 根据新的灰度值生成输出图像。均衡化后的图像具有更好的对比度和更丰富的细节。

3. 示例

cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);  // 读取灰度图像
cv::Mat dst;
cv::equalizeHist(src, dst);  // 进行直方图均衡化
cv::imshow("Original Image", src);
cv::imshow("Equalized Image", dst);
cv::waitKey(0);

在此示例中，原始图像 src 是一个灰度图像，cv::equalizeHist() 对其进行直方图均衡化，均衡化后的图像存储在 dst 中。接着我们显示原始图像和均衡化后的图像。

图像均衡化前后的效果

均衡化前：直方图可能集中在某个特定的灰度值范围内（例如亮度较低的图像可能集中在暗部区域）。
均衡化后：直方图被拉伸，灰度值分布更加均匀，整个灰度级别的范围更加广泛。图像的对比度增强，细节更加清晰。

4. 应用场景

低对比度图像增强：
cv::equalizeHist() 常用于增强低对比度的图像，尤其是光照不均匀的图像。例如，拍摄于阴天或暗光环境下的图像，可能会出现整体对比度偏低的现象，通过直方图均衡化可以改善细节和对比度。
医学影像处理：
在处理医学影像（如 X 光片）时，直方图均衡化可以帮助突出特征细节。
视频处理：
在视频处理任务中，特别是需要对每帧图像进行增强时，直方图均衡化可以帮助提升视频帧的视觉质量。

5. 注意事项

仅适用于灰度图像：
- cv::equalizeHist() 仅适用于单通道灰度图像。如果你希望对彩色图像进行直方图均衡化，你需要将其转换为灰度图像或者对彩色图像的每个通道单独进行均衡化处理。
直方图均衡化的效果取决于图像内容：
- 对于对比度本身已经非常高的图像，直方图均衡化可能不会显著提升效果，甚至可能增加噪声或导致过度对比。
噪声放大问题：
- 在均衡化过程中，低频灰度值的像素可能会被放大，从而导致噪声增强。因此，适用于噪声较少或已处理过噪声的图像。

6. 彩色图像直方图均衡化

在C++中，使用OpenCV库可以方便地对彩色图像进行直方图均衡化。OpenCV自带的 cv::equalizeHist() 函数可以用于单通道的灰度图像，但对于彩色图像，需要对每个通道分别均衡化，再合并通道。

示例：

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

int main() {
    // 读取彩色图像
    cv::Mat image = cv::imread("color_image.jpg");
    if (image.empty()) {
        std::cout << "无法打开图像文件!" << std::endl;
        return -1;
    }

    // 将图像转换为 YCrCb 颜色空间
    cv::Mat ycrcb_image;
    cv::cvtColor(image, ycrcb_image, cv::COLOR_BGR2YCrCb);

    // 分离 YCrCb 通道
    std::vector<cv::Mat> channels;
    cv::split(ycrcb_image, channels);

    // 对 Y 通道（亮度通道）进行直方图均衡化
    cv::equalizeHist(channels[0], channels[0]);

    // 合并均衡化后的 Y 通道和原始的 Cr, Cb 通道
    cv::Mat result;
    cv::merge(channels, result);

    // 将图像转换回 BGR 颜色空间
    cv::cvtColor(result, result, cv::COLOR_YCrCb2BGR);

    // 显示原始图像和均衡化后的图像
    cv::imshow("Original Image", image);
    cv::imshow("Equalized Image", result);

    // 保存结果
    cv::imwrite("equalized_image.jpg", result);

    cv::waitKey(0);
    return 0;
}

解析：