🎉🎉🎉$欢迎各位来到小白piao的学习空间！$🎉🎉🎉
💖💖💖$持续更新，期待关注！$💖💖💖
🤞🤞🤞$目前已经为大家更新了：$🤞🤞🤞

1. Python基础、中级、高级；
2. C++数据结构和算法；
3. OpenCV相关内容等重点内容

🌹🌹🌹$我的主页：$我的主页🌹🌹🌹

---

前文链接：【C++的OpenCV】第九课-OpenCV图像常用操作（六）：图像形态学-阈值的概念、功能及操作（threshold()函数））

---

一、直方图相关概念

1.1 直方图

        直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。
        直方图是数值数据分布的精确图形表示。 这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。 为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。

        直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个案例的比例，其高度等于1。

资料来源：百度百科-直方图

        简而言之，直方图是一种用于表示某个范围内相邻的段（段的范围为1/n，n为整个范围中段的个数）的值的分布情况的数据统计图。

1.2 图像直方图

        图像直方图即图像每个强度范围的像素数组成的直方图。

• 制做一张图像直方图的原理举例：
  1、得到每个像素点的强度
  
  2、计数每个强度范围内（或者每个强度的）像素的个数。例如其中强度范围0-1的像素个数为8（注意每个范围必须相邻且不重合，还需要相等大小，例如：第一个范围为0-1,那么第二个范围一定是2-3）
  3、得到直方图，实际上就是小学数学中的条形统计图了（横轴（x轴）为强度或者强度范围，纵轴（y轴）为该该强度强度或者范围下像素点的个数）。

二、openCV关于直方图的均衡化

2.1 什么是直方图均衡化？

        是一种利用图像直方图对图像的对比度调节的方法。以此来扩展强度的范围。例如：

        例如上图中，我们假设边缘强度（绿色圈内）对图像对比度的贡献不大，因为有用区域即为绿圈以外区域，所以利用直方图均衡化扩展了有用区域强度的范围。

2.2 OpenCV中直方图均衡化的方法

• 使用函数：equalizeHist()
• 函数原型：

void cv::equalizeHist(InputArray src, OutputArray dst )	

• 参数解释：

  • src：输入的原始图像
  • dst：经过均衡化处理之后的图像

• 函数功能：均衡化灰度图像的直方图。
  

• 函数原文：直方图均衡化函数

2.3 效果展示

• 源代码：

#include <iostream>
#include "opencv2/opencv.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"

using namespace std;
using namespace cv;

int main(void)
{
	Mat src;
	Mat grayForSrc;
	Mat dstImag;

	src = imread("/home/aelx-chen/demo.jpg");
	cvtColor(src, grayForSrc, cv::COLOR_BGR2GRAY);//将原图像灰度处理
	
	equalizeHist(grayForSrc, dstImag);//将灰度图的直方图均衡化
	
	imshow("gray", grayForSrc);//处理前的灰度图
	imshow("dstForEqualization", dstImag);//显示均衡化之后的结果
	imshow("src", src);//原图像

	waitKey(0);
	return 0;
}

• 直方图均衡化之前：
  

• 直方图均衡化之后：
  
  💖💖💖$持续更新，快来动手试试看！$💖💖💖