2021年建站赚钱,俄罗斯做电商网站,网站建设产品服务,2021网络营销成功案例基本思想 将原始图像的直方图分布转换为一个均匀分布的直方图#xff0c;这样原图中的高频率亮度值会被展宽#xff0c;而低频率亮度值则被压缩#xff0c;从而达到增强图像对比度的效果。 计算过程 假设我们有一个灰度图像#xff0c;其像素值范围从0到L-1#xff08;…基本思想 将原始图像的直方图分布转换为一个均匀分布的直方图这样原图中的高频率亮度值会被展宽而低频率亮度值则被压缩从而达到增强图像对比度的效果。 计算过程 假设我们有一个灰度图像其像素值范围从0到L-1对于8位图像L256。直方图均衡化的计算步骤如下 计算原始直方图对于灰度级i计算图像中灰度级为i的像素数目记为h(i)。计算累积分布函数CDF累积分布函数是直方图的一个累积和对于灰度级iCDF计算如下 归一化CDF将CDF的值归一化到0到L-1的范围内。这可以通过以下公式完成 应用均衡化映射最后对每个像素使用归一化的CDF值来替换原始图像中的灰度值这样就得到了均衡化后的图像。 例子 假设图像的像素值如下 1, 3, 0, 2, 1, 3, 3, 2首先计算这个图像的直方图。 灰度级: 0 1 2 3 数量: 1 2 2 3计算累积分布函数CDF CDF对于每个灰度级i累积从0到i的像素数量。因此对于我们的例子 灰度级: 0 1 2 3 CDF: 1 3 5 8归一化CDF 将CDF归一化到0到255的范围对于8位图像。归一化的公式是 对于我们的例子M ×N 8图像的像素总数CDF_{min} 1CDF中的最小值L 4灰度级总数。因此归一化CDF为 灰度级: 0 1 2 3 归一化CDF: 0 85 170 255应用均衡化映射 最后根据归一化的CDF来更新图像的像素值。每个原始像素值i都被映射为归一化CDF中的相应值。因此原图像像素值转换后为 原始图像: 1 3 0 2 1 3 3 2 均衡化后: 85 255 0 170 85 255 255 170由于简化了范围实际应用中这些新的像素值将会根据实际情况进行调整以匹配原图像的灰度级范围。在现实操作中直方图均衡化后的图像将展现更好的对比度和亮度分布。 实现1-只针对灰度图像 // 直方图均衡化 void QuickDemo::histogram_eq_demo(Mat image) {Mat gray, dst;cvtColor(image, gray, COLOR_BGR2GRAY);equalizeHist(gray, dst);imshow(Raw gray, gray);imshow(EqualizeHist, dst); }