本文共 1010 字，大约阅读时间需要 3 分钟。

OpenCV 直方图均衡化 Histogram Equalization

目录

目标

通过本教程，您将学会如何在OpenCV中：

• 使用 cv::split 将图像分割为相应的通道
• 计算图像的直方图分布
• 使用 cv::normalize 规范化直方图

直方图是什么？

直方图是一种统计图表，用于记录数据的分布情况。每个bin（图箱）代表一个特定的范围内的数据发生次数。例如，若我们在处理图像强度（0-255）时，直方图可以帮助我们理解图像中各强度值的出现频率。

直方图均衡化的作用

直方图均衡化是一种增强图像对比度的方法，能够使图像中的亮度分布更加均匀。通过扩展图像的强度范围，可以更好地利用图像的对比度信息，从而提高图像的可视质量。

OpenCV 实现直方图均衡化的步骤

第一步：分割图像通道

在OpenCV中，我们可以使用 cv::split 函数将图像分割为多个通道。例如：

image = cv2.imread('path_to_image.jpg')
h, w, ch = cv2.split(image)

这里 h 和 w 分别表示图像的高度和宽度，ch 则是通道数（如RGB）。

第二步：计算直方图

使用 cv::calcHist 函数计算图像的直方图。对于RGB图像，我们需要分别计算每个通道的直方图：

hist = cv2.calcHist(image, [0], [0, 256], hist_size, True)

这里 hist_size 是 bin 的数量，通常设置为256，以覆盖0-255的范围。

第三步：规范化直方图

为了确保直方图的概率分布，使用 cv::normalize 函数对直方图进行归一化：

cv2.normalize(hist, hist, 0, 255, True)

第四步：应用直方图均衡化

将规范化后的直方图应用到图像中，增强图像对比度：

dst = cv2.applyColorMap(image, hist)
cv2.imwrite('enhanced_image.jpg', dst)

直方图均衡化的图像效果

通过直方图均衡化处理后的图像，其亮度分布更加均匀，细节更加丰富，颜色对比度更为明显。

实际应用场景

直方图均衡化常用于：

• 医疗图像处理
• 行车辅助系统（如自动驾驶）
• 物体检测与识别

转载地址：http://fnpx.baihongyu.com/