【OpenCV】图像增强---灰度变换、直方图均衡化

图像增强的目的：改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强，可以减少图像噪声，提高目标与背景的对比度，也可以增强或抑制图像中的某些细节。

 ---------------------------------------------------------------------------------------------------

灰度变换：把原图像的像素灰度经过某个函数变换成新图像的灰度。可分为直线灰度变换法和直方图修正法。

直线灰度变换法：线性、分段线性、非线性变换。

直方图修正法：直方图均衡化、直方图规定化。

 ---------------------------------------------------------------------------------------------------

图像直方图：是对像素的某种属性（如灰度、颜色、梯度等）分布进行统计分析的重要手段。

灰度直方图：是灰度级的函数，它反映了图像中每一灰度级出现的次数或频率。

直方图均衡化：把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，以达到增强图像对比度的效果。

经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大。

【注意，离散后是每块区域的概率相等，均衡化后并不是条直线哦。】

　　细节概念等省略......

---------------------------------------------------------------------------------------------------

 线性灰度增强、对数变换、指数变换、直方图均衡化。代码见下（代码略粗糙...）【ImageEnhance.cpp部分代码】

 //线性灰度增强
 bool CImageEnhance::GrayLinearTransform(Mat &src, Mat &dst, uchar c, uchar d)
 {
     int b=,a=;
     dst = src.clone();
     int row = dst.rows, col = dst.cols * dst.channels();
     uchar *cc = dst.data;
     for(int i = ; i < row; ++i) {
         for(int j = ; j < col; ++j) {
             int val = *cc;
             if(a > val) a = val;
             if(b < val) b = val;
             cc++;
         }
     }
     cc = dst.data;
     float k = float(d - c)/(b-a);
     //CString c1; c1.Format(_T("a=%d,b=%d,c=%d,d=%d,k=%.2f\n"), a,b,c,d,k);MessageBox(c1);
     for(int i = ; i < row; ++i) {
         for(int j = ; j < col; ++j) {
             int val = *cc;
             int s = (int)(k*(val - a) + c);
             *cc = s;
             cc++;
         }
     }
     return true;
 }
 //对数变换
 bool CImageEnhance::GraynoLinearlog(Mat &src, Mat &dst)  {
     dst = src.clone();
     int row = dst.rows, col = dst.cols * dst.channels();
     uchar *cc = dst.data;
     double k =  / log10(256.0);
     for(int i = ; i < row; ++i) {
         for(int j = ; j < col; ++j) {
             int val = *cc;
             *cc = k * log10(1.0*(val + ));
             cc++;
         }
     }
     return true;
 }
 //指数变换
 bool CImageEnhance::GraynoLinearindex(Mat &src, Mat &dst)  {
     dst = src.clone();
     int row = dst.rows, col = dst.cols * dst.channels();
     uchar *cc = dst.data;
     double k = 1.0 / ;
     for(int i = ; i < row; ++i) {
         for(int j = ; j < col; ++j) {
             int val = *cc;
             *cc = k * val * val;
             cc++;
         }
     }
     return true;
 }  

 MatND CImageEnhance::getHist1(Mat& image)
 {
     MatND hist;
     int channels[] = {};
     int dims = ;
     int histSize[] = {};   //直方图箱子的个数
     float granges[] = {, };
     const float *ranges[] = {granges};  //像素值范围
     //计算直方图
     calcHist(&image, , channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);
     return hist;  //这里得到的hiat是256行一列的Mat
 }

 //直方图均衡化
 bool CImageEnhance::Equalize_hist(cv::Mat& src,cv::Mat& dst)
 {
     //CMFC_Test_lyyDlg pic;
     MatND hist;
     int channels[] = {};
     int dims = ;
     int histSize[] = {};   //直方图箱子的个数
     float granges[] = {, };
     const float *ranges[] = {granges};  //像素值范围
     //计算直方图
     Mat image = src.clone();
     calcHist(&image, , channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);  

     //MatND hist = getHist1(src);//pic.getHist(dst);
     float s[];
     float p[];

     cv::Mat lookup(cv::Size(, ), CV_8U);
     int pixNum = src.cols * src.rows;//总像素个数
     for (int i =; i <; i++) {
         s[i] = hist.at<float>(i) / pixNum;
         if (i ==) {
             p[i] = s[i];
         }
         else {
             p[i] = p[i -] + s[i];
         }
     }
     for (int i =; i <; i++) {
         lookup.at <uchar>(i) = static_cast<uchar>(p[i]*255.0);
     }

     cv::LUT(src, lookup, dst);//创建矩阵，把一个像素值映射到另一个像素值
     return true;
 }

ImageEnhance.cpp

效果如下：

原图像：

线性灰度增强：我这里默认a和b表示原图像灰度值的最小与最大值。以下示例取c=255,d=0，效果为使图像负像，即黑变白，白变黑。

  

对数变换：（使图像的低灰度范围得以扩展而高灰度范围得以压缩，变换后的图像更符合人的视觉效果，因为人眼对高亮度的分辨率要求高于对低亮度的分辨率）

　　

指数变换：（指数大于1。与对数变换相反。）

 直方图均衡化：

求原图像的灰度直方图代码：

 //获得直方图
 MatND getHistt(Mat& image){
     MatND hist;
     int channels[] = {};
     int dims = ;
     int histSize[] = {};   //直方图箱子的个数
     float granges[] = {, };
     const float *ranges[] = {granges};  //像素值范围
     //计算直方图
     calcHist(&image, , channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);
     return hist;  //这里得到的hiat是256行一列的Mat
 }
 //  将图像的直方图展示出来
 Mat draw_Hist(Mat &inputImage)
 {
     cv::MatND hist = getHistt(inputImage);
     Mat showImage(, , CV_8U,Scalar());
     int i;
     double maxValue = ;
     minMaxLoc(hist, , &maxValue, , );
     for(i = ; i < ; i++)
     {
         float value = hist.at<float>(i);
         int intensity = saturate_cast<int>( -  * (value/maxValue));
         rectangle(showImage, Point(i,  - ), Point((i+)-, intensity), Scalar());
     }
     //namedWindow("gray"); imshow("gray", showImage);
     //cvMoveWindow("gray", 300, 300);
     //waitKey(0);
     return showImage;
 }

 直方图显示：以下展示的 为以上的原图像以及直方图均衡化后的图像的  灰度直方图。