C语言数字图像处理之直方图均衡化-C/C++开发

这篇文章主要为大家详细介绍了C语言数字图像处理之直方图均衡化，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

本文实例为大家分享了C语言直方图均衡化的具体代码，供大家参考，具体内容如下

原理

直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。

直方图是表示数字图像中每一灰度出现频率的统计关系。直方图能给出图像灰度范围、每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。灰度直方图是灰度级的函数, 反映的是图像中具有该灰度级像素的个数, 其横坐标是灰度级r, 纵坐标是该灰度级出现的频率( 即像素的个数) pr( r) , 整个坐标系描述的是图像灰度级的分布情况, 由此可以看出图像的灰度分布特性, 即若大部分像素集中在低灰度区域, 图像呈现暗的特性; 若像素集中在高灰度区域, 图像呈现亮的特性。灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白

实现

流程：

1）统计每个灰度级像素点的个数
2）计算灰度分布密度
3）计算累计直方图分布
4）累计分布取整，保存计算出来的灰度映射关系
处理图片规格800*600 8位灰度单通道

原图

直方图均衡化

分析：本次实验中，我故意把原图调暗，进行直方图均衡化后可以明显感受到整幅图像亮度增大了，而且某些细节方面更加突出。

出现问题

最初进行直方图均衡化时，输出结果如下：

经分析，是没有对数组初始化置零导致的。Hist数组是进行一个统计像素点个数的数组，最初倘若不置零，结果必然毫无意义。

故而添加数组内存置零的操作：

经测试，问题解决。

附代码


#include <stdio.h>  
#include <stdlib.h>  
#include <memory.h>
#define height  600  
#define width   800
typedef unsigned char  BYTE;    // 定义BYTE类型，占1个字节

int main(void)
{
    FILE *fp = NULL;
    //BYTE Pic[height][width];
    BYTE *ptr;
    BYTE **Pic = new BYTE *[height];
    for (int i = 0; i != height; ++i)
    {
        Pic[i] = new BYTE[width];
    }
    fp = fopen("weiminglake_huidu.raw", "rb");       
    ptr = (BYTE*)malloc(width * height * sizeof(BYTE));//创建内存
    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j++)
        {
            fread(ptr, 1, 1, fp);
            Pic[i][j] = *ptr;  // 把图像输入到2维数组中,变成矩阵型式  
            ptr++;
        }
    }
    fclose(fp);
    
    int hist[256];
    float  fpHist[256];
    float eqHistTemp[256];
    int eqHist[256];
    int size = height *width;
    int i, j;
    memset(&hist, 0x00, sizeof(int) * 256);
    memset(&fpHist, 0x00, sizeof(float) * 256);
    memset(&eqHistTemp, 0x00, sizeof(float) * 256);
    
    for (i = 0; i < height; i++) //计算差分矩阵直方图  直方图  统计每个灰度级像素点的个数
    {
        for (j = 0; j < width; j++)
        {
            unsigned char GrayIndex = Pic[i][j];
            hist[GrayIndex] ++;
        }
    }
    for (i = 0; i< 256; i++)  // 计算灰度分布密度
    {
        fpHist[i] = (float)hist[i] / (float)size;
    }
    for (i = 0; i< 256; i++)  // 计算累计直方图分布
    {
        if (i == 0)
        {
            eqHistTemp[i] = fpHist[i];
        }
        else
        {
            eqHistTemp[i] = eqHistTemp[i - 1] + fpHist[i];
        }
    }
    //累计分布取整，保存计算出来的灰度映射关系
    for (i = 0; i< 256; i++)
    {
        eqHist[i] = (int)(255.0 * eqHistTemp[i] + 0.5);
    }
    for (i = 0; i < height; i++) //进行灰度映射均衡化
    {
        for (j = 0; j < width; j++)
        {
            unsigned char GrayIndex = Pic[i][j];
            Pic[i][j] = eqHist[GrayIndex];
        }
    }
    fp = fopen("output.raw", "wb");
    for (i = 0; i < height; i++)
    {
        for (j = 0; j < width; j++)
        {
            fwrite(&Pic[i][j], 1, 1, fp);
        }
    }
    fclose(fp);
    return 0;
}

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程学习网。

原理

实现

基础教程推荐