我們先來看壹個例子。
假設有如下圖像:
如下圖所示，獲取圖像的統計信息，根據統計信息完成灰度值映射:
映射的圖像如下:
從上面的例子可以看出，壹個像素值轉換成另壹個像素值，原來的大小關系沒有改變，但是如果直接畫正方形圖形，直方圖會變慢。
1.聲明原始圖像、目標圖像和表單名稱:聲明源圖像和目標圖像以及窗口名稱:
2.加載源圖像:加載源圖像:
3.將其轉換為灰度:
4.使用函數equalizeHist均衡上面灰度圖像的直方圖:使用函數cv:: equalizehist應用直方圖均衡:
可以看到，這個操作的參數只有源圖像和目標(均衡後)圖像。很容易看出，唯壹的參數是原始圖像和輸出(均衡)圖像。
5.顯示這兩幅圖像(源圖像和均衡圖像):顯示兩幅圖像(原始圖像和均衡圖像):
6.等待用戶，直到用戶退出程序。
1.為了更好地觀察直方圖均衡化的效果，我們使用壹張對比度較弱的圖片作為源圖像輸入，如下圖:為了更好地逼近均衡化的結果，我們先介紹壹張對比度不大的圖片，比如:
它的直方圖是:順便說壹下，它有這個直方圖:
請註意，大多數像素都集中在直方圖中間的強度上。請註意，像素聚集在直方圖的中心周圍。
2.在使用例程進行均衡後，我們得到以下結果:在用我們的程序應用均衡後，我們得到以下結果:
這張圖明顯更有對比。再次檢查均衡圖像的直方圖。這張圖片肯定有更多的對比。查看它的新直方圖，如下所示:
請註意，像素現在均勻分布在整個強度範圍內。請註意像素數量在整個強度範圍內的分布情況。
Zhilily @ opencv中文網< zhlifly@gmail.com & gt；
直方圖均衡化的數學原理