OpenCV入门（二十）-- 彩色图像的直方图均衡化

直方图均衡化的潜在的数学原理是一个分布（输入的亮度直方图）被映射到另一个分布（一个更宽，跟理想的亮度分布）。

把原始分布中y轴的值在新的分布中尽可能的展开。对拉伸分布，映射函数应该是一个累积分布函数。

EqualizeHist

灰度图象直方图均衡化

void cvEqualizeHist( const CvArr* src, CvArr* dst );

src输入的 8-比特 单信道图像dst输出的图像与输入图像大小与数据类型相同
函数 cvEqualizeHist 采用如下法则对输入图像进行直方图均衡化：
计算输入图像的直方图 H
直方图归一化，因此直方块和为255
计算直方图积分：


采用H'作为查询表：dst(x,y)=H'(src(x,y))进行图像变换。

该方法归一化图像亮度和增强对比度。

代码实现：

/*
直方图均衡化
*/

#include "highgui.h"
#include "cv.h"

void doEhist(IplImage* img)
{
int i;
IplImage* pImageChannel[4] = {0, 0, 0, 0};
IplImage* pImage = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);
for(i = 0; i < img->nChannels; i++)
{
pImageChannel[i] = cvCreateImage(cvGetSize(img), img->depth,1);
}
//信道分离
cvSplit(img, pImageChannel[0], pImageChannel[1], pImageChannel[2],pImageChannel[3]);
for(i = 0; i<pImage->nChannels; i++)
{
//直方图均衡化
cvEqualizeHist(pImageChannel[i], pImageChannel[i]);
}
//信道组合
cvMerge(pImageChannel[0],pImageChannel[1], pImageChannel[2],pImageChannel[3], pImage);

// 释放资源
for( i = 0; i < img->nChannels; i++ )
{
if ( pImageChannel[i] )
{
cvReleaseImage( &pImageChannel[i] );
pImageChannel[i] = 0;
}
}
cvNamedWindow("pImage",1);
cvShowImage("pImage",pImage);
cvWaitKey(0);
cvReleaseImage(&pImage);
pImage = 0;

}

结果：