OpenCV 自定义直方图均衡化代码实现

"这篇文章主要介绍了如何使用OpenCV库在C++中手写代码实现直方图均衡化。作者通过创建自定义函数实现了图像的灰度处理、直方图计算、累积分布函数(CDF)的构建以及像素值的重映射，从而达到直方图均衡化的目的。" 直方图均衡化是一种图像增强技术，它通过对图像的像素值进行非线性变换，使得图像的灰度级分布更加均匀，从而提高图像的对比度。在OpenCV库中，虽然已经提供了`equalizeHist()`函数来实现直方图均衡化，但通过手动编写代码，我们可以更好地理解这一过程。 首先，代码导入了必要的库，包括OpenCV库、C++标准库和数学库。`#include<opencv2/opencv.hpp>`包含了OpenCV的所有功能，而`#include<iostream>`和`#include<cmath>`则分别用于输入输出操作和数学计算。 函数`Mathistogram_equalization(Mat image)`接受一个图像矩阵作为参数，其目的是对输入图像进行直方图均衡化。在函数内部，首先创建了一个与原图像大小相同的`new_image`矩阵，用于存储处理后的图像。 代码中，`int gray_level[256]={0};`定义了一个长度为256的数组，用于统计图像中每个灰度级出现的次数。接着，通过两层嵌套循环遍历图像的每一个像素，计算每个灰度级的频率。 `for(int y=0; y<image.rows; y++)`和`for(int x=0; x<image.cols; x++)`负责按行和列遍历图像，然后`for(int c=0; c<1; c++)`循环处理单通道图像（此处假设是灰度图像）。对于每个像素，`for(int g=0; g<256; g++)`循环检查当前像素的灰度值，并更新`gray_level`数组。 在计算出直方图后，代码进入第二轮像素遍历，构建累积分布函数(CDF)。对于每个像素，找到对应的灰度值在直方图中的累积频数，然后将这个频数转换为新的灰度值。新的灰度值通过公式`(255 * sum) / (width * height)`计算得出，其中`sum`是累积频数，`width`和`height`分别是图像的宽度和高度。这个新的灰度值被赋值给`new_image`矩阵的相应位置。 直方图均衡化的过程就是将原始图像的像素值映射到新的灰度范围，使得图像的灰度级分布更均匀，从而提高图像的视觉效果。虽然这个手动实现的方法可能不如OpenCV的内置函数高效，但它有助于理解和学习直方图均衡化的原理。