本文共 4312 字，大约阅读时间需要 14 分钟。

一、实验原理

二、设计思路

• 上面的式子是对灰度图像处理的方法。但是我们一般处理的既有灰度图像也有彩色图像。所以如果是彩色图像我们要分别统计彩色图像R，G，B三者在各个灰度级上的像素数。然后进行处理。
• 设计一个类如下：

#include 
   
    #include 
    
     #include 
     
      #define LEAVE 256//灰度级using namespace cv;class Equalization {
   public:	//初始化各个私有成员。	Equalization();	//设置要处理的图片	void setImage(Mat &image_in );	//分别对图片的RGB值进行直方图统计	void statistic();	//对原图进行均衡处理	Mat queProcess();private:	//三个私有变量分别统计channel 0, 1,2的灰度级的像素个数	int statistic_R[LEAVE];	int statistic_G[LEAVE];	int statistic_B[LEAVE];	//将要处理的图像	Mat image;};
     
    
   

三、实验过程

• 下面需要注意的是数据类型的转换，如果只将const_num定义为double类型，而不管后面运算数的类型。编译器会直接拿int类型的数据去计算，得到的结果当然不一定是整数，但是编译器会直接把算得的值当作int来处理。就算你声明的const_num是double类型，也不管用。**所以在进行除运算之前要先将int类型强制转换为double类型。**就这句double const_num = (double)(LEAVE - 1) /(double) (this->image.cols*this->image.rows);
• 还有一点是计算上面的$s_k$的时候，结果是小数double类型，但我们最终需要的是int类型，所以要进行类型转换。但是直接强制类型转换会截取整数部分，不管小数部分的大小。而为了转换准确一点，我们最好采用四舍五入，就是给每个计算结果加上0.5，这样小数部分大于等于0.5的数，其整数就会被加一，然后进行强制类型转换，达到四舍五入的目的。

#include "Equalization.h"//初始化各个私有成员。Equalization::Equalization(){
   	memset(this->statistic_R, 0, LEAVE*sizeof(int));	memset(this->statistic_G, 0, LEAVE * sizeof(int));	memset(this->statistic_B, 0, LEAVE * sizeof(int));}//设置要处理的图片的路径void Equalization::setImage(Mat &image_in){
   	this->image = image_in;}//分别对图片的RGB值进行直方图统计void Equalization::statistic(){
   	for (int counter1 = 0; counter1 < this->image.rows; counter1++)	{
   		for (int counter2 = 0; counter2 < this->image.cols; counter2++)		{
   			//数组下标代表灰度值，里面存储的数是该灰度值对应的像素数			if (this->image.channels() == 1)//如果是灰度图像			{
   				this->statistic_R[this->image.at
   
    (counter1, counter2)]++;			}			else//如果是彩色图像			{
   				this->statistic_R[this->image.at
    
     (counter1, counter2)[0]]++;				this->statistic_G[this->image.at
     
      (counter1, counter2)[1]]++;				this->statistic_B[this->image.at
      
       (counter1, counter2)[2]]++;			}								}	}}//对原图进行均衡处理Mat Equalization::queProcess(){
   	/*计算原来的各个灰度值经过均衡以后应该变成多少	temp数组下标代表原先图像的灰度值	temp中存储的数是变换后各个灰度值对应的灰度值	*/	int temp_R[LEAVE], temp_G[LEAVE], temp_B[LEAVE];	memset(temp_R, 0, LEAVE * sizeof(int));	memset(temp_G, 0, LEAVE * sizeof(int));	memset(temp_B, 0, LEAVE * sizeof(int));	int sumR = 0, sumB = 0, sumG = 0;	double const_num = (double)(LEAVE - 1) /(double) (this->image.cols*this->image.rows);	for (int counter0 = 0; counter0 < LEAVE; counter0++)	{
   		if (this->image.channels() == 1)		{
   			sumR += this->statistic_R[counter0];			temp_R[counter0] = (int)(const_num * sumR + 0.5);		}		else		{
   			sumR += this->statistic_R[counter0];			sumG += this->statistic_G[counter0];			sumB += this->statistic_B[counter0];			//进行四舍五入			temp_R[counter0] = (int)(const_num * sumR + 0.5);			temp_G[counter0] = (int)(const_num * sumG + 0.5);			temp_B[counter0] = (int)(const_num * sumB + 0.5);		}	}	Mat imEqu;	if (image.channels() == 1)	{
   		Mat imEqu1(this->image.rows, this->image.cols, CV_8UC1);		imEqu1.copyTo(imEqu);	}	else	{
   		Mat imEqu1(this->image.rows, this->image.cols, CV_8UC3);		imEqu1.copyTo(imEqu);	}					//逐个像素进行处理	for (int counter1 = 0; counter1 < this->image.rows; counter1++)	{
   		for (int counter2 = 0; counter2 < this->image.cols; counter2++)		{
   			if (this->image.channels() == 1)			{
   				imEqu.at
       
        (counter1, counter2) = temp_R[image.at
        
         (counter1, counter2)]; } else { imEqu.at
         
          (counter1, counter2)[0] = temp_R[image.at
          
           (counter1, counter2)[0]]; imEqu.at
           
            (counter1, counter2)[1] = temp_G[image.at
            
             (counter1, counter2)[1]]; imEqu.at
             
              (counter1, counter2)[2] = temp_B[image.at
              
               (counter1, counter2)[2]]; } } } return imEqu;}
              
             
            
           
          
         
        
       
      
     
    
   

四、结果分析

• 这里顺便贴出main函数：

#include "Equalization.h"#include 
   
    int main(){
   	namedWindow("原图", CV_WINDOW_AUTOSIZE);	Mat image1 = imread("pic.jpg", CV_LOAD_IMAGE_GRAYSCALE);	imshow("原灰度图", image1);	Equalization equ1;	equ1.setImage(image1);	equ1.statistic();	Mat new_im1 = equ1.queProcess();	imshow("变换后灰度图像", new_im1);	//直方图均衡	Mat image = imread("pic2.jpg", CV_LOAD_IMAGE_COLOR);		imshow("原彩色图", image);	Equalization equ;	equ.setImage(image);	equ.statistic();	Mat new_im = equ.queProcess();	imshow("变换后彩色图像", new_im);	waitKey(0);	return 0;}
   

• 处理结果：
  灰度图像：
  
  
  【原图】
  
  【处理后图像】

五、实验心得

• 基本都写在前面了
• 欢迎大家在评论中探讨、斧正。