直方图均衡化原理及c++代码

 图像直方图变换的基本原理：

设变量r代表图像中像素的灰度级，直方图变换就是假定一个变换式：

                            （1-1）

也就是，通过上述变换，每个原始图像的像素灰度级r都会产生一个s值。变换函数T(r)应满足以下条件：

（1）       T(r)在区间中为单值且单调递增；

（2）       当 时，，即T(r)的取值范围与r相同。

2. 直方图均衡化：

对于离散值，我们处理其概率与求和，而不是概率密度函数与积分。一幅图像中灰度级r_k出现的概率近似为

　　　　　　　　　　　　　　　　　　　　　　　　　　                      （1-2）

其中，n是图像中像素的总和， 是灰度级 的像素个数，L为图像中可能的灰度级总数。

                       　　　　　　　　　　　　　　　　　　　　    （1-3）

         上式中变换函数的离散形式为：    

           　　　　　　　　　　　　　　　　　　　　　　　　          (1-4)

         式（1-4）给出的变换（映射）称为直方图均衡化或直方图线性化。

//***************************************************************************************************************************************

//c++实现

BOOL CDibImage::InteEqualize(LPSTR lpDIBBits, LONG lWidth, LONG lHeight)
{
unsigned char*lpSrc; // 指向源图像的指针
LONG lTemp;// 临时变量
LONG i;// 循环变量
LONG j;
BYTE bMap[256];// 灰度映射表
LONG lCount[256];// 灰度映射表
LONG lLineBytes;// 图像每行的字节数

lLineBytes = WIDTHBYTES(lWidth * 8);// 计算图像每行的字节数

for (i = 0; i < 256; i ++)// 重置计数为0
{
lCount[i] = 0;
}

// 计算各个灰度值的计数
for (i = 0; i < lHeight; i ++)
{
for (j = 0; j < lWidth; j ++)
{
lpSrc = (unsigned char *)lpDIBBits + lLineBytes * i + j;
lCount[*(lpSrc)]++;
}
}

// 计算灰度映射表
for (i = 0; i < 256; i++)
{
lTemp = 0;
for (j = 0; j <= i ; j++)
{
lTemp += lCount[j];
}

// 计算对应的新灰度值
bMap[i] = (BYTE) (lTemp * 255 / lHeight / lWidth);
}

for(i = 0; i < lHeight; i++)// 每行
{
for(j = 0; j < lWidth; j++)// 每列
{
// 指向DIB第i行，第j个象素的指针
lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;
// 计算新的灰度值
*lpSrc = bMap[*lpSrc];
}
}

return TRUE;
}

处理前图像

处理后图像