本文主要是介绍直方图均衡化（不直接用opencv均衡化函数），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
opoencv直接提供了equalizeHist(src, dst); 来均衡化处理，很多图像处理的书本介绍均衡化的都差不多，最后归结到一个对于离散灰度级的转换公式。参考书本《数字图像处理与机器视觉》的P90-91.
该书下载地址：http://pan.baidu.com/share/link?shareid=3551301329&uk=1610854122
效果跟直接使用函数式一样的。
但是我的水平有限，使用的方法比opencv直接提供的方法慢很多。请给菜鸟提宝贵建议。
修改上面的for循环，使用ptr函数。但是时间居然比at长，好郁闷啊。
Mat Hist_equalize(Mat &image)
{Mat inputimage;inputimage = image;cvtColor(inputimage, inputimage, CV_BGR2GRAY);//灰度化int Area = inputimage.rows * inputimage.cols;//计算总像素int Dmax = 255;int histSize = 256;//设置bin数目float range[] = {0, 255};//设定取值范围const float* histRange = { range };bool uniform = true;bool accumulate = false;Mat output_hist;//存储直方图矩阵///计算直方图//rgb_planes[]输入的通道数//1：输入数组的个数//0：需要统计的通道（dim）索引，统计灰度，写0就可以了//Mat（）：掩码（0表示忽略该像素），如果未定义，则不适用掩码//output_hist:存储直方图的矩阵//1：直方图维数//histSize：每个维度的bin数目//histrange：每个维度的取值范围//uniform和accumulate:bin大小相同，清楚直方图痕迹calcHist(&inputimage, 1, 0, Mat(), output_hist, 1, &histSize, &histRange, uniform, accumulate);inputimage.convertTo(inputimage, CV_64FC1, 1, 0);output_hist.convertTo(output_hist, CV_64FC1, 1, 0);double tempDB;//转换后的灰度值for (int i = 0; i < 512; i++){for (int j = 0; j < 512; j++){int gray_before = (int)inputimage.at<double>(i,j);//转换前的灰度值tempDB = 0;//累加器清零for (int k = 0; k <= gray_before; k++){tempDB += output_hist.at<double>(k,0);//灰度均衡转换}inputimage.at<double>(i,j) = tempDB*Dmax/Area;}}inputimage.convertTo(inputimage, CV_8UC1, 1, 0);return inputimage;
}改造的for循环：
for (int i = 0; i < 512; i++)
{double* datain = inputimage.ptr<double>(i);for (int j = 0; j < 512; j++){int gray_before = (int)datain[j];//(int)inputimage.at<double>(i,j);//转换前的灰度值tempDB = 0;//累加器清零for (int k = 0; k <= gray_before; k++){double* dataout = output_hist.ptr<double>(k);tempDB +=dataout[0];//tempDB += output_hist.at<double>(k,0);//灰度均衡转换}//inputimage.at<double>(i,j) = tempDB*Dmax/Area;datain[j] = tempDB*Dmax/Area;}
}这篇关于直方图均衡化（不直接用opencv均衡化函数）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
