OpenCV2 直方圖均衡化

直方圖的均衡化

我們先來看看原圖的直方圖

我們發現高亮區域的像素點很少，主要像素點集中在中低亮度區域

我們先設置一個阈值，也就是圖中的那根粉色的線，

當某一亮度值的像素點的個數低於這個值時，我們認為這些像素點是無關緊要的。

灰度圖的亮度值范圍是0-255，若亮度值為1的像素點的個數低於阈值，我們可簡單的把亮度為1的像素點的亮度

全設為0，同理，我們從高往低找，若亮度值為254的像素點的個數低於阈值，我們可以把這些像素點的亮度設為255

這樣我們可以從小到大，從大到小分別找到兩個亮度，它們的像素點的個數恰大於阈值

他們之間的區域，我們可以認為是有效區域，也就是藍色框出來的區域

我們把這一區域擴展到0-255的區域去，可實現均衡化效果

編程實現為

cv::Mat Histogram::stretch1(const cv::Mat& image, int minValue) {
    cv::MatND hist = getHistogram(image);
    int imin =0;
    for (; imin < histSize[0]; imin++) {
        if (hist.at<float>(imin) > minValue) {
            break;
        }
    }
    int imax = histSize[0] -1;
    for (; imax >=0; imax--) {
        if (hist.at<float>(imax) > minValue) {
            break;
        }
    }
    cv::Mat lookup(cv::Size(1, 256), CV_8U);
    for (int i =0; i <256; i++) {
        if (i < imin) {
            lookup.at<uchar>(i) =0;
        } elseif (i > imax) {
            lookup.at<uchar>(i) =255;
        } else {
            lookup.at<uchar>(i) = static_cast<uchar>(255.0* (i - imin)
                    / (imax - imin) +0.5);}
        }
    cv::Mat result;
    cv::LUT(image, lookup, result);
    return result;
}