#include <iostream>
#include "highgui.h"
#include "cv.h"
#include "cxcore.h"
#include "math.h"

using namespace std;
using namespace cv;

//绘制1维直方图
Mat draw1DHistogram(Mat histogramMat) {
	double maxVal = 0, minVal = 0;
	minMaxLoc(histogramMat, &minVal, &maxVal, 0, 0);
	Mat histImage(histogramMat.rows, histogramMat.rows, CV_8U, Scalar(255));
	int hpt = static_cast<int>(0.9 * histogramMat.rows);
	for (int h = 0; h < histogramMat.rows; h++) {
		float binVal = histogramMat.at<float>(h);
		int intensity = static_cast<int>((binVal / maxVal) * hpt);
		line(histImage, Point(h, histogramMat.rows - 1),
				Point(h, histogramMat.rows - 1 - intensity), Scalar::all(0));
	}
	return histImage;
}

//一维直方图计算(采用实际图像) 实验2
void get1DHistogramExperiment2(Mat& image) {
	//计算直方图 使用的图片数量
	int nImageArrays = 1;
	//使用的直方图数组
	Mat* imageArrays = new Mat[nImageArrays];
	//加载实际图像
//	Mat image = imread("e:\\citywall1.bmp", 0);
	if (image.data == NULL) {
		printf("加载图像失败\n");
		return;
	}
	imageArrays[0] = image;
	//直方图的维数
	const int dims = 1;
	//在图像的通道序列中 本次直方图计算使用了哪些通道,本代码中使用了编号为0的通道
	int channels[dims] = { 0 };
	//直方图中每一维上的bin数,本代码是创建一维直方图 并且 分为256个bin
	int histBins[dims] = { 256 };
	//保存直方图的结果 CV_32F,dims说明矩阵的维度,histBins说明矩阵每一维上的大小
	Mat histND(dims, histBins, CV_32F, Scalar::all(0));
	//手动指定各个bin的取值范围
	//float image1Range[5]={0.0,50.0,200.0,220.0,256.0};
	//统一分割,只需要指定bin[0]的下限值和bin[histBins[dims-1]-1]的上限值即可
	float image1Range[5] = { 0.0, 256.0 };
	//各个通道的 bin划分规则
	const float* allRanges[dims] = { image1Range };
	//直方图计算
	calcHist(imageArrays, nImageArrays, channels, Mat(), histND, dims, histBins,
			allRanges, true);
	//绘制直方图
	Mat histImage = draw1DHistogram(histND);
	//显示直方图
	namedWindow("hist");
	imshow("hist", histImage);
	waitKey(0);
}
/**
 * 直方图均衡
 */
void HistogramEqual(Mat& src){
	Mat dst;
	equalizeHist(src,dst);   //直方图均衡化
	get1DHistogramExperiment2(dst);
	namedWindow("equal");
	imshow("equal",dst);
	waitKey(0);
}
int main() {
	Mat image = imread("e:\\test.bmp", CV_LOAD_IMAGE_GRAYSCALE);
	namedWindow("src");
	imshow("src",image);
	get1DHistogramExperiment2(image);
	HistogramEqual(image);

	return 0;
}

opencv直方图均衡化的更多相关文章

  1. OpenCV——直方图均衡化(用于图像增强)

    #include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespac ...

  2. opencv::直方图均衡化

    直方图均衡化 图像直方图: 是指对整个图像像在灰度范围内的像素值是指对整个图像像在灰度范围内的像素值(~)统计出现频率次数,据此生成的直方图,称为图像直方图-直方图. 直方图反映了图像灰度的分布情况. ...

  3. OpenCV-Python教程(10、直方图均衡化)

    相比C++而言,Python适合做原型.本系列的文章介绍如何在Python中用OpenCV图形库,以及与C++调用相应OpenCV函数的不同之处.这篇文章介绍在Python中使用OpenCV和NumP ...

  4. opencv 彩色图像亮度、对比度调节 直方图均衡化

    直接上代码: #include <Windows.h> #include <iostream>// for stand I/O #include <string> ...

  5. OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)

    http://blog.csdn.net/dcrmg/article/details/53677739 1. 基于直方图均衡化的图像增强   直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶 ...

  6. 直方图均衡化的 C++ 实现(基于 openCV)

    这是数字图像处理课的大作业,完成于 2013/06/17,需要调用 openCV 库,完整源码和报告如下: #include <cv.h> #include <highgui.h&g ...

  7. opencv图像直方图均衡化及其原理

    直方图均衡化是什么有什么用 先说什么是直方图均衡化,通俗的说,以灰度图为例,原图的某一个像素为x,经过某个函数变为y.形成新的图.新的图的灰度值的分布是均匀的,这个过程就叫直方图均衡化. 图像直方图均 ...

  8. opencv 5 图像转换(3 重映射 仿射变换 直方图均衡化)

    重映射 实现重映射(remap函数) 基础示例程序:基本重映射 //---------------------------------[头文件.命名空间包含部分]------------------- ...

  9. opencv —— equalizeHist 直方图均衡化实现对比度增强

    直方图均匀化简介 从这张未经处理的灰度图可以看出,其灰度集中在非常小的一个范围内.这就导致了图片的强弱对比不强烈. 直方图均衡化的目的,就是把原始的直方图变换为在整个灰度范围(0~255)内均匀分布的 ...

随机推荐

  1. Java 图片转换为字符图 CharMaps (整理)

      /* * Java 图片转换成字符图 CharMaps (整理) * * 2016-1-2 深圳 南山平山村 曾剑锋 * * @(#)CharMaps.java 2014/1/16 * 1.这个一 ...

  2. 10个实用的PHP正则表达式 (转)

    http://www.iteye.com/news/23231 1. 验证E-mail地址 这是一个用于验证电子邮件的正则表达式.但它并不是高效.完美的解决方案.在此不推荐使用. $email = & ...

  3. 【转】vim - tab变空格

    vim中将tab自动转换成空格 在vim中,有时需要将tab转换成space.使用ret命令(replace tab).[range]ret[ab]! [new-tabstop] 举例:将第一行到文件 ...

  4. scala学习笔记(8): 列表的map,flatMap,zip和reduce

    map,flatMap,zip和reduce函数可以让我们更容易处理列表函数. 1 map函数map将一个函数应用于列表的每一个元素并且将其作为一个新的列表返回.我们可以这样对列表的元素进行平方: s ...

  5. JAVA虚拟机内存分配与回收机制

    Java虚拟机(Java Virtual Machine) 简称JVM Java虚拟机是一个想象中的机器,在实际的计算机上通过软件模拟来实现.Java虚拟机有自己想象中的硬件,如处理器.堆栈.寄存器等 ...

  6. K2 K2Blackpearl安装步骤详解(服务端)

    转:http://www.cnblogs.com/dannyli/archive/2011/11/30/2269485.html 以下是K2 Blackpearl的安装步骤,本人亲测可用哦. 1.安装 ...

  7. SQLSERVER 检查字段值域并输出行数和值列表

    select * from ( SELECT 'C_DILEI' as fen,'地类' as fcn, 'NVARCHAR'as ftype, '2'as flen, ( SELECT count( ...

  8. -Xbootclasspath参数、java -jar参数运行应用时classpath的设置方法

    当用java -jar yourJarExe.jar来运行一个经过打包的应用程序的时候,你会发现如何设置-classpath参数应用程序都找不到相应的第三方类,报ClassNotFound错误.实际上 ...

  9. 爬虫技术之——bloom filter(含java代码)

    在爬虫系统中,在内存中维护着两个关于URL的队列,ToDo队列和Visited队列,ToDo队列存放的是爬虫从已经爬取的网页中解析出来的即将爬取的URL,但是网页是互联的,很可能解析出来的URL是已经 ...

  10. WebGoat学习——跨站请求伪造(Cross Site Request Forgery (CSRF))

    跨站请求伪造(Cross Site Request Forgery (CSRF)) 跨站请求伪造(Cross Site Request Forgery (CSRF))也被称为:one click at ...