[OpenCV] Image Processing - Grayscale Transform & Histogram

颜色直方图

---

首先，先介绍一些Hist的基本使用。

Ref：【OpenCV】数字图像灰度直方图

官方文档：https://docs.opencv.org/trunk/d8/dbc/tutorial_histogram_calculation.html

利用OpenCV的calcHist绘制灰度直方图、H-S直方图、BGR直方图和自定义直方图的源码及说明

From: compare histograms of grayscale images in opencv

#include <opencv2/opencv.hpp>

void show_histogram(std::string const& name, cv::Mat1b const& image)
{
    // Set histogram bins count
    int bins = 256;
    int histSize[] = {bins};
    // Set ranges for histogram bins
    float lranges[] = {0, 256};
    const float* ranges[] = {lranges};
    // create matrix for histogram
    cv::Mat hist;
    int channels[] = {0};

    // create matrix for histogram visualization
    int const hist_height = 256;
    cv::Mat3b hist_image = cv::Mat3b::zeros(hist_height, bins);

    cv::calcHist(&image, 1, channels, cv::Mat(), hist, 1, histSize, ranges, true, false);

    double max_val=0;
    minMaxLoc(hist, 0, &max_val);

    // visualize each bin
    for(int b = 0; b < bins; b++) {
        float const binVal = hist.at<float>(b);
        int   const height = cvRound(binVal*hist_height/max_val);
        cv::line
            ( hist_image
            , cv::Point(b, hist_height-height), cv::Point(b, hist_height)
            , cv::Scalar::all(255)
            );
    }
    cv::imshow(name, hist_image);
}

int main (int argc, const char* argv[])
{
    // here you can use cv::IMREAD_GRAYSCALE to load grayscale image, see image2
    cv::Mat3b const image1 = cv::imread("C:\\workspace\\horse.png", cv::IMREAD_COLOR);
    cv::Mat1b image1_gray;
    cv::cvtColor(image1, image1_gray, cv::COLOR_BGR2GRAY);
    cv::imshow("image1", image1_gray);
    show_histogram("image1 hist", image1_gray);

    cv::Mat1b const image2 = cv::imread("C:\\workspace\\bunny.jpg", cv::IMREAD_GRAYSCALE);
    cv::imshow("image2", image2);
    show_histogram("image2 hist", image2);

    cv::waitKey();
    return 0;
}

 

 

 

Histogram equalization

---

参考：笑得很甜

 

 

线性混合算子

 

 

非线性算子

 

 

覆盖算子

 

---

 

直方图均衡化

直方图的观看规则就是“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表中间调。 纵向上的高度代表像素密集程度，越高，代表的就是分布在这个亮度上的像素很多。

如何看懂照片的直方图？

 

 

对比度

对比度在直方图上的体现就是高光和阴影部分都有像素。

它可以很少，但是必须有，否则照片看起来就很灰了。正常照片变为低对比度后的直方图对比：

                     

　　当然，也有看起来不错的低对比度图片，但它的直方图不会像上图那样极端，一般都是没有纯黑，但高光都比较足：
　　

 

均衡化

(a) vs (e)  对比度有所加强。

However，可能放大暗区域的噪声。 

它的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像原取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。

http://blog.csdn.net/xiaowei_cqu/article/details/7606607
从分布图上的理解就是希望原始图像中y轴的值在新的分布中尽可能的展开。
变换过程是利用累积分布函数对原始分布进行映射，生成新的均匀拉伸的分布。
因此,对应每个点的操作是寻找原始分布中y值在均匀分布中的位置，如下图是理想的单纯高斯分布映射的示意图：

int main()  
{  
    IplImage * image= cvLoadImage("baboon.jpg");  
    //显示原图及直方图  
    myShowHist("Source",image);  
      
    IplImage* eqlimage=cvCreateImage(cvGetSize(image),image->depth,3);  
    //分别均衡化每个信道  
    IplImage* redImage=cvCreateImage(cvGetSize(image),image->depth,1);  
    IplImage* greenImage=cvCreateImage(cvGetSize(image),image->depth,1);  
    IplImage* blueImage=cvCreateImage(cvGetSize(image),image->depth,1);  
    cvSplit(image,blueImage,greenImage,redImage,NULL);  
  
    cvEqualizeHist(redImage,redImage);  
    cvEqualizeHist(greenImage,greenImage);   
    cvEqualizeHist(blueImage,blueImage);   
    //均衡化后的图像  
    cvMerge(blueImage,greenImage,redImage,NULL,eqlimage);  
    myShowHist("Equalized",eqlimage);  
}  

cvEqualizeHist