【图像处理】直方图均衡化

直方图均衡化原理

直方图均衡化的主要思想是直方图统计，在统计之后，根据具体的灰度值及其对应的出现概率，对图片的灰度进行拉伸，使得图像的对比度得到扩展，如下图这张经典的图像所示。

可以看到左上角的图像灰度比较集中，经过直方图均衡化之后，右下角的图像的灰度就被拉伸。

其原理是将图像中的灰度值根据其概率分布在0-255的区间。

转换后的灰度值为：

其中，sk是转变后的灰度值；

rk是输入的灰度值，

nj是灰度值为 j 的像素个数；

k是当前的灰度值，取值范围0到L-1（L通常为256）。

L表示灰度值可取的个数，如8bit的图像可以表示的灰度值有256，L=256.

举个例子

下图为具体图像的像素值，已知该图像的灰度值为0~7，现要求对其进行直方图均衡化。

这里我们可以得到下图所示的表，其中，L-1=7；Pr=像素个数/25；

根据转换后的灰度值，替换原先的像素值，图像变成：

PC端代码实现

根据以上原理，将其在PC端用程序实现如下：

<span style="font-size:14px;">bool getHist(unsigned char *pImgData, unsigned char *pHistData，int height,int width)
{     // 此处需要对输入的指针进行非空判断，此处略。
	int grayLvl[256]={0};
	float fP[256];
	int i;
	int sum = height*width; //计算总像素个数
	for(i=0 ; i < sum ;i++)  //统计各个灰度值的像素点个数
	{
		grayLvl[pImgData[i]]++;
	}
	for(i=0; i < 256;i++) //计算每个灰度值的比重
	{
		fP[i]=(float)grayLvl[i]/(float)sum;
	}
	for(i=1; i < 256;i++) 
	{
		fP[i]=fP[i-1]+fP[i];
	}
	for(i=0; i <m_ByteOfData;i++) //均衡化
	{
<span style="white-space: pre;">		</span>pHistData[i]=(unsigned char)(fP[pImgData[i]]*255.0+0.5);// 加上0.5是为了能够四舍五入取值。
	}
	return true;
}</span><span style="font-size: 18px;">
</span>

安卓平台移植

在安卓平台，图像处理的操作由JNI实现，基本与上面的程序一致。具体可参考《【安卓开发】JNI程序开发》

<span style="font-size:14px;">void Java_com_example_imageprocess_MainActivity_getHist(JNIEnv* env,jobject thiz,jbyteArray imgData, jbyteArray histData, jlong size)
{
	jint* graylvl=(jint*)malloc(256*sizeof(jint));
	jfloat* pb=(jfloat*)malloc(256*sizeof(jfloat));
	unsigned char* grayHist=(unsigned char*)malloc(256*sizeof(unsigned char));
	unsigned char *imgData_buf=(*env)->GetByteArrayElements(env,imgData,0); //获取jni数组
	unsigned char *histData_buf = (*env)->GetByteArrayElements(env,histData, NULL);
	int i;
	unsigned char index=0;
	memset(graylvl,0,256*sizeof(jint));
	for(i=0;i<size;i++)
	{
		graylvl[imgData_buf[i]]++;
	}

	for(i=0;i<256;i++)
	{
		pb[i]=(jfloat)graylvl[i]/(jfloat)size;
	}
	grayHist[0]=(unsigned char)(pb[0]*255.0+0.5);
	for(i=1;i<256;i++)
	{
		pb[i]=pb[i-1]+pb[i];
		grayHist[i]=(unsigned char)(pb[i]*255.0+0.5);
	}
	for(i=0;i<size;i++)
	{
		histData_buf[i]=grayHist[imgData_buf[i]];
	}
	//save the data from histData_buf to histData
	(*env)->SetByteArrayRegion(env,histData, 0, size,histData_buf);
	free(graylvl);
	free(pb);
	free(grayHist);
}</span>

安卓代码优化

这里的优化是将浮点数优化成定点数，有一定的效果。

<span style="font-size:14px;"><span style="font-size:18px;">void Java_com_example_imageprocess_MainActivity_getHist(JNIEnv* env,jobject thiz,jbyteArray imgData, jbyteArray histData, jlong size)
{
	jint* graylvl=(jint*)malloc(256*sizeof(jint));
	jint* graylvlPtr=graylvl;
	unsigned int* pb=(unsigned int*)malloc(256*sizeof(unsigned int));
	unsigned int *pbPtr=pb;
	unsigned char* grayHist=(unsigned char*)malloc(256*sizeof(unsigned char));
	unsigned char *grayHistPtr=grayHist+1;
	unsigned char *imgData_buf=(*env)->GetByteArrayElements(env,imgData,0);
	unsigned char *imgPtr=imgData_buf;
	unsigned char *histData_buf = (*env)->GetByteArrayElements(env,histData, NULL);
	unsigned char *histPtr=histData_buf;
	int i;
	unsigned char index=0;
	unsigned int temp = (255<<20)/size;
	memset(graylvl,0,256*sizeof(jint));
	for(i=size;i!=0;i--)
	{
		(*(graylvl+*imgPtr))++;
		imgPtr++;
	}
	for(i=256;i!=0;i--)
	{
		*pbPtr=*graylvlPtr*temp;
		pbPtr++;
		graylvlPtr++;
	}
	grayHist[0]=(pb[0]>>20);
	pbPtr=pb+1;
	for(i=255;i!=0;i--)
	{
		*pbPtr=*pbPtr+*(pbPtr-1);
		*grayHistPtr=(*pbPtr)>>20;
		pbPtr++;
		grayHistPtr++;
	}
	imgPtr=imgData_buf;
	for(i=size;i!=0;i--)
	{
		*histPtr=*(grayHist+*imgPtr);
		imgPtr++;
		histPtr++;
	}
	//save the data from histData_buf to histData
	(*env)->SetByteArrayRegion(env,histData, 0, size,histData_buf);
	free(graylvl);
	free(pb);
	free(grayHist);
}
</span></span>

未优化的代码运行的时间为11ms，优化后代码运行时间为9ms。

处理的效果如下图所示，C1为未优化代码，C2为优化代码，发现C2运行后的结果存在一定误差，虽然误差较小（误差为1）。