在图像处理学习中会涉及到直方图，直方图很好地表现了图像的灰度信息；同时我们注意到在暗图像中，直方图的分量集中在灰度级的低端；亮图像的灰度值集中在直方图灰度值的高端；低对比度的图像有较窄的直方图，并集中于直方图的中间部分；高对比度的图像中直方图的分量覆盖很宽的范围，而且像素的分布没有太不均匀，只能看到少量垂线比其他高许多。通过图像增强可以有效地减弱这些缺陷
图 1
图 2如图1，细胞表面的一些地方较为模糊，图2，整体图片偏亮
来看先来看第一张图的直方分布图：
分量集中在灰度值较高地地方。
第二张图的直方分布图：
直方图
来看一下两张图片的直方分布图片：
下面两张是经图像增强处理图片：
图 3可以明显看到图片比之前的要清晰；
再来看其直方分布图：
图 4
人脸的直方分布图：
首先，我们设连续的灰度r和z，同时令Pr(r)和Pz(z)表示其连续的概率密度函数。
Pr(r)
为原来图像的灰度概率函数， Pz(z)为经处理后的概率函数：
同时我们设一个随机变量s：
s=T(r)=(L−1)∫r0Pr(w)dw
其中w为积分变量；
接着定义随机变量z：
G(z)=(L−1)∫z0Pz(t)dt=s
其中t为积分变量；
由这两个公式可得 G(z)=T(r)
z=G−1[T(r)]=G−1(s)
当输入函数 Pr(r)时，变换函数
T(r)可得到s；同时，
Pz(z)可经过
G(z)变换得到s，同时得到
z=G−1[T(r)]=G−1[(L−1)∫r0Pr(w)dw]
在实际中图像的直方图灰度分量是离散的，处理离散量时，只求得到一个近似的直方图：
sk=T(rk)=(L−1)∑kj=0Pr(rj)=L−1MN∑kj=0nj,k=0,1,2,3,⋅⋅⋅,L−1
其中MN是图像总的像素点， nj是具有灰度值
rj的像素的个数，L是图像中可能的灰度级数；
接下来上代码：
#include<opencv2\opencv.hpp>
#include<opencv\cv.h>
#include<opencv2\core\core.hpp>
#include<stdlib.h>
#include<math.h>
using namespace cv;
using namespace std;
void enhance(Mat src, Mat dir)
{
FILE *fp;
fp = fopen("src.txt", "w");
int srcpixel[256] = { 0 };
int dirpixel[256] = { 0 };
int p;//temp
double srcprob[256];
double dirprob[256] = {0};
double zhong = src.rows*src.cols;
for (int i = 0; i < src.rows; i++)
{
for (int j = 0; j < src.cols; j++)
{
p = src.at<uchar>(i, j);
srcpixel[p]++;
}
}
for (int i = 0; i < 255; i++)
{
srcprob[i] = srcpixel[i]/ zhong;
fprintf(fp, "%lf ", srcprob[i]);
printf("srcpixel[%d]=%f\n", i, srcprob[i]);
}
double o=0;
dirprob[0] = srcprob[0];
for (int i = 1; i < 256; i++)
{
dirprob[i] = dirprob[i - 1] + srcprob[i];
}
for (int i = 0; i < src.rows; i++)
{
for (int j = 0; j < src.cols; j++)
{
p = src.at<uchar>(i, j);
dir.at<uchar>(i, j) = 255 * dirprob[p];
}
}
fclose(fp);
// srcpixel[256] = { 0 };
fp = fopen("dir.txt", "w");
for (int i = 0; i < src.rows; i++)
{
for (int j = 0; j < src.cols; j++)
{
p = dir.at<uchar>(i, j);
dirpixel[p]++;
}
}
for (int i = 0; i < 255; i++)
{
srcprob[i] =dirpixel[i] / zhong;
fprintf(fp, "%lf ", srcprob[i]);
printf("srcpixel[%d]=%f\n", i, srcprob[i]);
}
fclose(fp);
}
int main(int argc,char *argv[])
{
Mat src= imread("3.jpg",0);
Mat dir(src.rows,src.cols,CV_8UC1);
imshow("src", src);
//cvtColor(pic, pic, CV_BGR2GRAY);
//imshow("12", pic);
enhance(src, dir);
imshow("drt", dir);
imwrite("22.jpg", dir);
waitKey();
}这里 src，dir表示原来图像和目标图像，先遍历出各灰度值的像素个数，计算出概率prob，通过公式转化成目标图像的概率
fprintf将灰度值概率记下，方便用openGL或excel画出直方图进行比对
；
笔者能力有限，如有不足或错误欢迎指出
