直方圖均衡化

目錄

• 目標
• 理論
  • 什麼是影像直方圖？
  • 什麼是直方圖均衡化？
  • 它是如何工作的？
• 程式碼
• 解釋
• 結果

上一個教程： 仿射變換
下一個教程： 直方圖計算

原始作者	Ana Huamán
相容性	OpenCV >= 3.0

目標

在本教程中，您將學習

• 什麼是影像直方圖以及它為什麼有用
• 透過使用 OpenCV 函式 cv::equalizeHist 來均衡影像的直方圖

理論

什麼是影像直方圖？

• 它是影像強度分佈的圖形表示。
• 它量化了每個強度值的畫素數量。

什麼是直方圖均衡化？

• 它是一種改善影像對比度的方法，目的是拉伸強度範圍（另請參閱相應的 Wikipedia 條目）。
• 為了更清楚地說明，從上面的影像中，您可以看到畫素似乎聚集在可用強度範圍的中間。直方圖均衡化所做的是拉伸這個範圍。看一下下圖：綠色圓圈表示未充分填充的強度。應用均衡化後，我們得到了像中心圖中那樣的直方圖。結果影像顯示在右側的圖片中。

它是如何工作的？

• 均衡化意味著對映一種分佈（給定的直方圖）到另一種分佈（更寬且更均勻的強度值分佈），以便強度值分佈在整個範圍內。

• 為了實現均衡化效果，重對映應該是累積分佈函式 (cdf)（更多細節，請參考Learning OpenCV）。對於直方圖 \(H(i)\)，它的累積分佈 \(H^{'}(i)\) 是

  \[H^{'}(i) = \sum_{0 \le j < i} H(j)\]

  要將此用作重對映函式，我們必須對 \(H^{'}(i)\) 進行歸一化，使其最大值為 255（或影像強度的最大值）。從上面的例子中，累積函式是

• 最後，我們使用一個簡單的重對映程式來獲得均衡影像的強度值

  \[equalized( x, y ) = H^{'}( src(x,y) )\]

程式碼

• 此程式的作用是什麼？
  • 載入影像
  • 將原始影像轉換為灰度圖
  • 透過使用 OpenCV 函式 cv::equalizeHist 來均衡直方圖
  • 在視窗中顯示源影像和均衡化後的影像。

C++

• 可下載程式碼：點選 這裡
• 程式碼速覽

   
  #include "opencv2/imgcodecs.hpp"
  #include "opencv2/highgui.hpp"
  #include "opencv2/imgproc.hpp"
  #include <iostream>
   
  using namespace cv;
  using namespace std;
   
  int main( int argc, char** argv )
  {
      CommandLineParser parser( argc, argv, "{@input | lena.jpg | 輸入影像}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "無法開啟或找到影像!\n" << endl;
  cout << "用法: " << argv[0] << " <輸入影像>" << endl;
          return -1;
      }
   
  cvtColor( src, src, COLOR_BGR2GRAY );
   
      Mat dst;
  equalizeHist( src, dst );
   
  imshow( "源影像", src );
  imshow( "均衡化後的影像", dst );
   
  cv::Mat::empty
   
      return 0;
   
  }

Java

• 可下載程式碼：點選 這裡
• 程式碼速覽

  import org.opencv.core.Core;
  import org.opencv.core.Mat;
  import org.opencv.highgui.HighGui;
  import org.opencv.imgcodecs.Imgcodecs;
  import org.opencv.imgproc.Imgproc;
   
  class EqualizeHist {
      public void run(String[] args) {
  String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
  Mat src = Imgcodecs.imread(filename);
          if (src.empty()) {
  System.err.println("無法讀取影像：" + filename);
  System.exit(0);
          }
   
  Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
   
  Mat dst = new Mat();
  Imgproc.equalizeHist( src, dst );
   
  HighGui.imshow( "源影像", src );
  HighGui.imshow( "均衡化後的影像", dst );
   
  HighGui.waitKey(0);
   
  System.exit(0);
      }
  }
   
  public class EqualizeHistDemo {
   
      public static void main(String[] args) {
          // 載入本地 OpenCV 庫
  System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
   
          new EqualizeHist().run(args);
      }
   
  }

Python

• 可下載程式碼：點選 這裡
• 程式碼速覽

  from __future__ import print_function
  import cv2 as cv
  import argparse
   
   
  parser = argparse.ArgumentParser(description='直方圖均衡化教程程式碼。')
  parser.add_argument('--input', help='輸入影像的路徑。', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('無法開啟或找到影像：', args.input)
  exit(0)
   
   
   
  src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
   
   
   
  dst = cv.equalizeHist(src)
   
   
   
  cv.imshow('源影像', src)
  cv.imshow('均衡化後的影像', dst)
   
   
   
  cv.waitKey()
   

說明

• 載入源影像

  C++

      CommandLineParser parser( argc, argv, "{@input | lena.jpg | 輸入影像}" );
      Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
      if( src.empty() )
      {
  cout << "無法開啟或找到影像!\n" << endl;
  cout << "用法: " << argv[0] << " <輸入影像>" << endl;
          return -1;
      }

  Java

          String filename = args.length > 0 ? args[0] : "../data/lena.jpg";
  Mat src = Imgcodecs.imread(filename);
          if (src.empty()) {
  System.err.println("無法讀取影像：" + filename);
  System.exit(0);
          }

  Python

  parser = argparse.ArgumentParser(description='直方圖均衡化教程程式碼。')
  parser.add_argument('--input', help='輸入影像的路徑。', default='lena.jpg')
  args = parser.parse_args()
   
  src = cv.imread(cv.samples.findFile(args.input))
  if src is None
  print('無法開啟或找到影像：', args.input)
  exit(0)

• 將其轉換為灰度圖

  C++

      cvtColor( src, src, COLOR_BGR2GRAY );

  Java

  Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);

  Python

  src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

• 使用函式 cv::equalizeHist 應用直方圖均衡化

  C++

      Mat dst;
      equalizeHist( src, dst );

  Java

  Mat dst = new Mat();
  Imgproc.equalizeHist( src, dst );

  Python

  dst = cv.equalizeHist(src)

  正如很容易看到的，唯一的引數是原始影像和輸出（均衡化）影像。

• 顯示兩張影像（原始影像和均衡化後的影像）

  C++

      imshow( "源影像", src );
      imshow( "均衡化後的影像", dst );

  Java

  HighGui.imshow( "源影像", src );
  HighGui.imshow( "均衡化後的影像", dst );

  Python

  cv.imshow('源影像', src)
  cv.imshow('均衡化後的影像', dst)

• 等待使用者退出程式

  C++

      waitKey();

  Java

  HighGui.waitKey(0);

  Python

  cv.waitKey()

結果

1. 為了更好地欣賞均衡化的結果，讓我們引入一張對比度不高的影像，例如

順便說一句，它有這樣的直方圖

請注意，畫素聚集在直方圖的中心附近。

1. 在使用我們的程式應用均衡化後，我們得到這樣的結果

這張影像肯定具有更高的對比度。像這樣檢查一下它的新直方圖

請注意，畫素的數量如何更均勻地分佈在強度範圍內。

注意

您是否想知道我們是如何繪製上面顯示的直方圖的？檢視以下教程！