图像直方图均衡实验.docxVIP

实验名称 实验 2：直方图均衡 实验目的 掌握对图像直方图进行操作，实现图像的直方图均衡算法。 掌握求灰度图像归一化直方图方法 掌握灰度图像的直方图均衡算法 3、 掌握对彩色图像进行直方图均衡的算法 实验内容 计算灰度图像的归一化直方图。 具体内容：利用 OpenCV 对图像像素进行操作，计算归一化直方图。并在窗口中以图形的方式显示出来 灰度图像直方图均衡处理 具体内容：通过计算归一化直方图，设计算法实现直方图均衡化处理。 彩色图像直方图均衡处理 具体内容： 在灰度图像直方图均衡处理的基础上实现彩色直方图均衡处理。 实验完成情况 （包括完成的 实验内容及 每个实验的 完成程度。 注意要贴出 每个实验的 核心代码） 利用 OpenCV 对图像像素进行操作，计算归一化直方图。并在窗口中以图形的方式显示出来： IplImage* BuildHistogram(IplImage *src) { CvSize size; size.width = 300; size.height = 300; IplImage* dst = cvCreateImage(size,IPL_DEPTH_8U,1); int count[256]; /*初始化每个灰度级对应像素个数为0*/ for(int i=0;i256;i++){ count[i]=0; } /*统计每个灰度级对应像素个数*/ for(int i=0; isrc-height;i++){ for(int j=0;jsrc-width;j++){ CvScalar s = cvGet2D(src, i, j); int color = s.val[0]; count[color]++; } } /*计算其中最大个数*/ int max=0; for(int i=0;i256;i++){ if(count[i]max){ max = count[i]; } } /*初始化直方图背景为白色*/ CvScalar white; white.val[0]=255; for(int i=0;idst-height;i++){ for(int j=0;jdst-width;j++){ cvSet2D(dst, i, j, white); } } /*绘制横竖坐标*/ CvScalar black; black.val[0] = 0; for(int i=0;i280;i++){ cvSet2D(dst, 280, i+10, black); } for(int i=0;i280;i++){ cvSet2D(dst, i+10, 20, black); } /*绘制直方图*/ for(int i=0;i256;i++){ int high = count[i]*256/max; int x=20+i; for(int j=0;jhigh;j++){ int y=280-j; cvSet2D(dst, y, x, black); } } return dst; } 实验结果如下图所示： 通过计算归一化直方图，设计算法实现直方图均衡化处理。核心代码如下： IplImage* Equalization(IplImage *src) { IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, src-nChannels); int count[256]; float pr[256]; float dstColor[256]; /*初始化灰度级对应像素计数为0, 灰度级出现的概率为0，均衡后灰度为0*/ for(int i=0;i256;i++){ count[i]=0; pr[i]=0.0f; dstColor[i]=0; } /*统计每个灰度级对应像素个数*/ for(int i=0; isrc-height;i++){ for(int j=0;jsrc-width;j++){ CvScalar s = cvGet2D(src, i, j); int color = s.val[0]; count[color]++; } } /*计算每个灰度级出现概率*/ int max = src-height*src-width; for(int i=0;i256;i++){ pr[i]=count[i]*1.0