图像直方图均衡化 c++ 原理实现

图像直方图均衡化是一种用于增强图像对比度的技术，它通过对图像的像素值进行调整，使得图像中的亮度分布更均匀。下面是一个简单的C++实现原理：

1. 首先，计算图像的灰度直方图，即统计每个灰度级别的像素数量。

2. 根据直方图，计算每个灰度级别的累积分布函数（CDF），表示灰度级别小于等于当前级别的像素所占的比例。

3. 根据CDF，计算每个灰度级别的映射表，将原始图像的每个像素值映射到新的像素值上。映射表的计算公式为：
new_value = round((L-1) * CDF(old_value))
其中，L表示灰度级别的数量，CDF(old_value)表示旧像素值对应的累积分布函数值。

4. 遍历原始图像的每个像素，根据映射表将其像素值替换为新的像素值。

下面是一个简单的示例代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

void histogramEqualization(Mat& image) {
  // 计算直方图
  Mat hist;
  int histSize = 256;
  float range[] = {0, 256};
  const float* histRange = {range};
  calcHist(&image, 1, 0, Mat(), hist, 1, &histSize, &histRange, true, false);

  // 计算累积分布函数
  Mat cdf;
  hist.copyTo(cdf);
  for (int i = 1; i < histSize; i++) {
    cdf.at<float>(i) += cdf.at<float>(i - 1);
  }
  cdf /= image.total();

  // 计算映射表
  Mat lut(1, histSize, CV_8UC1);
  for (int i = 0; i < histSize; i++) {
    lut.at<uchar>(i) = saturate_cast<uchar>((histSize - 1) * cdf.at<float>(i));
  }

  // 应用映射表
  LUT(image, lut, image);
}

int main() {
  // 读取图像
  Mat image = imread("input.jpg", IMREAD_GRAYSCALE);
  if (image.empty()) {
    cout << "Failed to read image" << endl;
    return -1;
  }

  // 直方图均衡化
  histogramEqualization(image);

  // 显示结果
  imshow("Equalized Image", image);
  waitKey(0);

  return 0;
}

请注意，这只是一个简单的示例代码，实际应用中可能需要处理更多的细节，例如处理彩色图像、处理边界情况等。