VS+opencv对图像进⾏直⽅图均衡
（1）直⽅图均衡。读⼊lena_gray.tif图像⽂件，画出其直⽅图，并解释之；对图像进⾏直⽅均衡，显⽰均衡后的图像及其直⽅图，并解释
之；将均衡后的图像存为lena_gray_1.tif⽂件。再将lena_gray_1⽂件读⼊并重复上述过程，说明图像增强效果并解释之。
#include <opencv2/opencv.hpp>
#include<iostream>
#include"time.h"
#include<vector>
#include<map>
using namespace std;
using namespace cv;
int main( )
{ Mat srcImage, dstImage;
srcImage = imread("image/lena.tif",IMREAD_GRAYSCALE);
imshow("【原图】", srcImage);
/* 调本地彩⾊图⽚时⽤
Mat src_gray;
cvtColor(srcImage, src_gray, COLOR_BGR2GRAY);
imshow("【灰度图】", src_gray);
*/
//需要计算图像的哪个通道（bgr空间需要确定计算 b或g或r空间）
const int channels[1] = { 0 };
/
/直⽅图的每⼀个维度的柱条的数⽬（就是将灰度级分组）
int histSize[] = { 256 }; //如果这⾥写成int histSize = 256; 那么下⾯调⽤计算直⽅图的函数的时候，该变量需要写 &histSizewin10如何恢复出厂设置
//定义⼀个变量⽤来存储单个维度的数值的取值范围
float midRanges[] = { 0, 256 };
//确定每个维度的取值范围，就是横坐标的总数
const float *ranges[] = { midRanges };
优良品质
//输出的结果存储的空间，⽤MatND类型来存储结果 MatND表⽰多为矩阵在opencv2.2后统⼀⽤Mat
MatND dstHist;酸辣白菜帮
calcHist(&srcImage, 1, channels, Mat(), dstHist, 1, histSize, ranges, true, fal);
//calcHist 函数调⽤结束后，dstHist变量中将储存了直⽅图的信息⽤dstHist的模版函数 at<Type>(i)得到第i个柱条的值 at<Type>(i, j)得到第i个并且第j个柱条的值
//⾸先先创建⼀个⿊底的图像，为了可以显⽰彩⾊，所以该绘制图像是⼀个8位的3通道图像
Mat drawImage = Mat::zeros(Size(300, 256), CV_8UC3);
//⼀个图像的某个灰度级的像素个数（最多为图像像素总数），可能会超过显⽰直⽅图的所定义的图像的尺⼨，因此绘制直⽅图的时候，让直⽅图最⾼的地⽅只有图像
//先⽤minMaxLoc函数来得到计算直⽅图后的像素的最⼤个数
double g_dHistMaxValue;
minMaxLoc(dstHist, 0, &g_dHistMaxValue, 0, 0);
//遍历直⽅图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(256 * 0.9 *(dstHist.at<float>(i) / g_dHistMaxValue));
香辣海带丝line(drawImage, Point(i, ws - 1), Point(i, ws - 1 - value), Scalar(255, 0, 0));
}
imshow("【原图像的直⽅图】", drawImage);
//*****直⽅图均衡化
equalizeHist(srcImage, dstImage); //直⽅图均衡化
imwrite("../Images\\lena_gray_1.tif",dstImage);//图⽚保存到本⼯程⽬录中
imwrite("../Images\\lena_gray_1.tif",dstImage);//图⽚保存到本⼯程⽬录中
String windowNameHist = "【直⽅图均衡化后图像】";
namedWindow(windowNameHist, WINDOW_AUTOSIZE); //显⽰图像 imshow(windowNameSrc, srcImage);
imshow(windowNameHist, dstImage); //显⽰直⽅图均衡化后图像
四磨汤口服液
我国的经济体制
const int channels1[1] = { 0 };
//直⽅图的每⼀个维度的柱条的数⽬（就是将灰度级分组）
int histSize1[] = { 256 };
//定义⼀个变量⽤来存储单个维度的数值的取值范围
float midRanges1[] = { 0, 256 };
//确定每个维度的取值范围，就是横坐标的总数
const float *ranges1[] = { midRanges1 };
//输出的结果存储的空间，⽤MatND类型来存储结果
MatND dstHist1;
calcHist(&dstImage, 1, channels1, Mat(), dstHist1, 1, histSize1, ranges1, true, fal);
//calcHist 函数调⽤结束后，dstHist变量中将储存了直⽅图的信息⽤dstHist的模版函数 at<Type>(i)得到第i个柱条的值 at<Type>(i, j)得到第i个并且第j个柱条的值
//⾸先先创建⼀个⿊底的图像，绘制图像是⼀个8位的3通道图像，可以显⽰彩⾊图像直⽅图
Mat drawImage2 = Mat::zeros(Size(300, 256), CV_8UC3);//彩⾊直⽅图
//Mat drawImage2 = Mat::zeros(Size(256, 256), CV_8UC1);//单通道灰度直⽅图
//先⽤minMaxLoc函数来得到计算直⽅图后的像素的最⼤个数
double g_dHistMaxValue1;
minMaxLoc(dstHist1, 0, &g_dHistMaxValue1, 0, 0);
//遍历直⽅图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(256 * 0.9 *(dstHist1.at<float>(i) / g_dHistMaxValue1));
line(drawImage2, Point(i, ws - 1), Point(i, ws - 1 - value), Scalar(255,0,0));//直⽅图颜⾊Scalar和背景⾊相加
}
String w = "均衡化后图像的直⽅图";
namedWindow(w, WINDOW_AUTOSIZE);
imshow(w, drawImage2);
Mat SecImage,Image2;
消灭的近义词SecImage = imread("../Images/origin/lena_gray_1.tif",IMREAD_GRAYSCALE); waitKey(0);
return 0;
}
运⾏效果如下：
图像的直⽅图及其均衡对⽐紧锣密鼓什么意思
