本文共 4893 字，大约阅读时间需要 16 分钟。

直方图与图像均衡化技术教程

本文将详细介绍直方图统计、直方图均衡化以及直方图比较的原理与实现方法，并附带相应的OpenCV代码示例。

1. 直方图统计

在图像处理中，直方图是一种显示图像中像素分布情况的重要工具。直方图可以帮助我们了解图像中各个颜色（或灰度值）出现的频率和比例，从而为后续的图像增强和处理提供关系依据。

1.1 直方图的概念

直方图是一种统计图表，用于显示数据分布情况。对于图像来说，通常以灰度或RGB三色通道的分布情况为基础。假设图像的灰度范围为0-255，每个bin的范围是0-15，则bin的总数为16个。

1.2 OpenCV实现直方图统计

以下是OpenCV实现直方图统计的基本代码示例：

#include 
   
    
#include 
    
     
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
    Mat src = imread("E:/cats.jpg", IMREAD_UNCHANGED);
    if (src.empty()) {
        printf("image is empty!!!");
        return -1;
    }
    namedWindow("image", WINDOW_FREERATIO);
    imshow("image", src);
    
    vector
     
       mv;
    split(src, mv);
    
    // 直方图计算
    int histSize = 256;
    Mat b_hist, g_hist, r_hist;
    float range[] = {0, 255};
    const float* histRanges = {range};
    
    calcHist(&mv[0], 1, 0, Mat(), b_hist, 1, &histSize, histRanges, true, false);
    calcHist(&mv[1], 1, 0, Mat(), g_hist, 1, &histSize, histRanges, true, false);
    calcHist(&mv[2], 1, 0, Mat(), r_hist, 1, &histSize, histRanges, true, false);
    
    // 直方图处理
    Mat result = Mat::zeros(Size(600, 400), CV_8UC3);
    int margin = 50;
    int nm = result.rows - 2 * margin;
    
    normalize(b_hist, b_hist, 0, nm, NORM_MINMAX, -1, Mat());
    normalize(g_hist, g_hist, 0, nm, NORM_MINMAX, -1, Mat());
    normalize(r_hist, r_hist, 0, nm, NORM_MINMAX, -1, Mat());
    
    float step = 500.0 / 256.0;
    for (int i = 0; i < 255; i++) {
        line(result, Point(step*i, 50 + nm - b_hist.at
      
       (i, 0)),
            Point(step*(i+1), 50 + (nm - b_hist.at
       
        (i+1, 0))),
            Scalar(255, 0, 0), 2, 8, 0);
        
        line(result, Point(step*i, 50 + nm - g_hist.at
        
         (i, 0)), Point(step*(i+1), 50 + (nm - g_hist.at
         
          (i+1, 0))), Scalar(0, 255, 0), 2, 8, 0); line(result, Point(step*i, 50 + nm - r_hist.at
          
           (i, 0)), Point(step*(i+1), 50 + (nm - r_hist.at
           
            (i+1, 0))), Scalar(0, 0, 255), 2, 8, 0); } imshow("histogramm", result); waitKey(0); destroyAllWindows(); return 0; }
           
          
         
        
       
      
     
    
   

1.3 直方图的主要步骤

2. 直方图均衡化

直方图均衡化是一种图像增强技术，通过重新调整图像灰度分布，使图像的对比度更为明显，细节更加丰富。

2.1 均衡化的原理

直方图均衡化通过重新映射灰度值范围，将图像的对比度拉大，通常有两种方式：

• 线性映射：新值 = (旧值 - min) * (max - min) / (max - min) + min
• udios 呼吸法：适用于对对比度有偏差的图像（如灯光不均匀）

2.2 OpenCV实现均衡化

以下是实现直方图均衡化的代码示例：

#include 
   
    
#include 
    
     
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
    Mat src = imread("E:/cats.jpg", IMREAD_UNCHANGED);
    if (src.empty()) {
        printf("image is empty!!!");
        return -1;
    }
    namedWindow("image", WINDOW_FREERATIO);
    imshow("image", src);
    
    Mat gray, dst;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    
    equalizeHist(gray, dst);
    imshow("dst", dst);
    
    waitKey(0);
    destroyAllWindows();
    return 0;
}
    
   

2.3 均衡化步骤总结

3. 直方图比较

在图像处理中，直方图比较是判断两幅图像是否相似的重要步骤。

3.1 直方图比较方法

常用比较方法：

3.2 OpenCV实现直方图比较

以下是使用OpenCV进行直方图比较的代码示例：

#include 
   
    
#include 
    
     
using namespace cv;
using namespace std;
int main(int argc, char** argv) {
    Mat src1 = imread("E:/cats.jpg", IMREAD_COLOR);
    Mat src2 = imread("E:/cat.png", IMREAD_COLOR);
    if (src1.empty() || src2.empty()) {
        printf("image is empty!!!");
        return -1;
    }
    
    namedWindow("src1", src1);
    namedWindow("src2", src2);
    
    int histSize[] = {256, 256, 256};
    int channels[] = {0, 1, 2};
    Mat hist1, hist2;
    float c1[] = {0, 255};
    float c2[] = {0, 255};
    float c3[] = {0, 255};
    const float* histRanges[] = {c1, c2, c3};
    
    calcHist(&src1, 1, channels, Mat(), hist1, 3, histSize, histRanges, true, false);
    calcHist(&src2, 1, channels, Mat(), hist2, 3, histSize, histRanges, true, false);
    
    // 均衡化
    normalize(hist1, hist1, 0, 1.0, NORM_MINMAX, -1, Mat());
    normalize(hist2, hist2, 0, 1.0, NORM_MINMAX, -1, Mat());
    
    // 巴氏距离
    double h12 = compareHist(hist1, hist2, HISTCMP_BHATTACHARYYA);
    double h11 = compareHist(hist1, hist1, HISTCMP_BHATTACHARYYA);
    printf("h12:%.2f, h11:%.2f\n", h12, h11);
    
    // 相关系数
    double c12 = compareHist(hist1, hist2, HISTCMP_CORREL);
    double c11 = compareHist(hist1, hist1, HISTCMP_CORREL);
    printf("c12:%.2f, c11:%.2f\n", c12, c11);
    
    waitKey(0);
    destroyAllWindows();
    return 0;
}
    
   

3.3 比较方法的优势

4. 常用直方图比较工具

在OpenCV中，可以使用compareHist函数来实现直方图比较，支持以下方法：

通过以上方法，我们可以从多个维度全面衡量图像的相似度，从而为图像处理提供更精准的依据。