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
