### 使用C++和OpenCV实现直方图均衡化、绘制灰度变换曲线以及处理前后的直方图对比 以下代码展示了如何使用OpenCV库在C++中读取灰度图像，进行直方图均衡化，并绘制处理前后的直方图对比及灰度变换曲线。 ```cpp #include <opencv2/opencv.hpp> #include <vector> #include <cmath> // 计算灰度直方图 std::vector<int> calcGrayHist(const cv::Mat& src) { std::vector<int> histogram(256, 0); // 初始化直方图数组[^2] int pixelCount = src.cols * src.rows; uchar* imageData = src.data; for (int i = 0; i < pixelCount; ++i) { int gray = imageData[i]; histogram[gray]++; } return histogram; } // 绘制直方图 cv::Mat drawHistogram(const std::vector<int>& hist) { cv::Mat histImage(256, 256, CV_8UC3, cv::Scalar(255, 255, 255)); // 创建白色背景图像 double maxVal = *std::max_element(hist.begin(), hist.end()); // 获取最大值 for (int i = 0; i < 256; ++i) { float binHeight = (hist[i] / maxVal) * 256; // 归一化高度 cv::line(histImage, cv::Point(i, 256), cv::Point(i, 256 - binHeight), cv::Scalar(0, 0, 255), 1); } return histImage; } // 绘制灰度变换曲线 cv::Mat drawGrayTransformCurve(const cv::Mat& src, const cv::Mat& dst) { cv::Mat curveImage(256, 256, CV_8UC3, cv::Scalar(255, 255, 255)); // 创建白色背景图像 for (int i = 0; i < 256; ++i) { int y_src = 255 - src.at<uchar>(i, 0); int y_dst = 255 - dst.at<uchar>(i, 0); cv::line(curveImage, cv::Point(i, y_src), cv::Point(i, y_dst), cv::Scalar(0, 0, 255), 1); } return curveImage; } int main() { // 读取灰度图像 cv::Mat grayImage = cv::imread("D:\\photo\\gray_image.jpg", cv::IMREAD_GRAYSCALE); if (grayImage.empty()) { std::cerr << "无法加载图像！" << std::endl; return -1; } // 显示原始灰度图像 cv::namedWindow("Original Gray Image", cv::WINDOW_AUTOSIZE); cv::imshow("Original Gray Image", grayImage); // 计算并显示原始灰度直方图 std::vector<int> originalHist = calcGrayHist(grayImage); cv::Mat originalHistImage = drawHistogram(originalHist); cv::namedWindow("Original Histogram", cv::WINDOW_AUTOSIZE); cv::imshow("Original Histogram", originalHistImage); // 进行直方图均衡化 cv::Mat equalizedImage; cv::equalizeHist(grayImage, equalizedImage); // 显示均衡化后的灰度图像 cv::namedWindow("Equalized Gray Image", cv::WINDOW_AUTOSIZE); cv::imshow("Equalized Gray Image", equalizedImage); // 计算并显示均衡化后的灰度直方图 std::vector<int> equalizedHist = calcGrayHist(equalizedImage); cv::Mat equalizedHistImage = drawHistogram(equalizedHist); cv::namedWindow("Equalized Histogram", cv::WINDOW_AUTOSIZE); cv::imshow("Equalized Histogram", equalizedHistImage); // 创建用于绘制灰度变换曲线的查找表 cv::Mat lut(256, 1, CV_8U); for (int i = 0; i < 256; ++i) { lut.at<uchar>(i) = static_cast<uchar>(255.0 * (static_cast<double>(i) / 255.0)); } // 应用查找表以生成灰度变换曲线 cv::Mat transformedLUT; cv::LUT(grayImage, lut, transformedLUT); // 绘制灰度变换曲线 cv::Mat grayTransformCurve = drawGrayTransformCurve(lut, transformedLUT); cv::namedWindow("Gray Transform Curve", cv::WINDOW_AUTOSIZE); cv::imshow("Gray Transform Curve", grayTransformCurve); // 等待用户按键 cv::waitKey(0); return 0; } ``` #### 代码说明 - 函数 `calcGrayHist` 实现了灰度直方图的计算逻辑。通过遍历图像的所有像素，统计每个灰度级出现的次数[^2]。 - 函数 `drawHistogram` 将直方图数据可视化为图像，其中横轴表示灰度级，纵轴表示该灰度级的像素数量。 - 函数 `drawGrayTransformCurve` 绘制灰度变换曲线，展示原始灰度值与均衡化后灰度值之间的映射关系。 - 主函数中首先通过 `cv::imread` 函数以灰度模式读取图像，确保输入为单通道灰度图像[^4]。 - 调用 `cv::equalizeHist` 对灰度图像进行直方图均衡化，并通过 `cv::imshow` 分别显示原始灰度图、原始直方图、均衡化后的灰度图、均衡化后的直方图以及灰度变换曲线。 #### 关键点解释 - 直方图均衡化是一种增强图像对比度的技术，其核心思想是将集中灰度分布映射成灰度均匀分布[^1]。 - 查找表方法可以显著提高灰度变换的效率，避免每次计算映射关系的开销[^1]。 - 灰度变换曲线直观地展示了原始灰度值与均衡化后灰度值之间的映射关系，有助于理解直方图均衡化的原理。