### 使用OpenCV和C++绘制直方图并观察伽马变换对灰度图像的影响 以下代码展示了如何使用OpenCV库在C++中读取灰度图像，计算并绘制原始图像的灰度直方图，应用伽马变换进行非线性灰度调整，并绘制处理后的灰度直方图。 ```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; } // 伽马变换函数 cv::Mat gammaTransform(const cv::Mat& input, double gamma) { cv::Mat output = input.clone(); double invGamma = 1.0 / gamma; // 创建查找表 std::vector<uchar> table(256); for (int i = 0; i < 256; ++i) { table[i] = cv::saturate_cast<uchar>(pow(i / 255.0, invGamma) * 255.0); } // 应用查找表 for (int i = 0; i < output.rows; ++i) { for (int j = 0; j < output.cols; ++j) { output.at<uchar>(i, j) = table[output.at<uchar>(i, j)]; } } return output; } 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); // 定义伽马值 double gamma = 2.2; // 对灰度图像进行伽马变换 cv::Mat transformedGrayImage = gammaTransform(grayImage, gamma); // 显示变换后的灰度图像 cv::namedWindow("Gamma Transformed Gray Image", cv::WINDOW_AUTOSIZE); cv::imshow("Gamma Transformed Gray Image", transformedGrayImage); // 计算并显示变换后的灰度直方图 std::vector<int> transformedHist = calcGrayHist(transformedGrayImage); cv::Mat transformedHistImage = drawHistogram(transformedHist); cv::namedWindow("Transformed Histogram", cv::WINDOW_AUTOSIZE); cv::imshow("Transformed Histogram", transformedHistImage); // 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。 - 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。 - 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 `gammaTransform` 函数对灰度图像进行伽马变换，并通过 `cv::imshow` 分别显示原始灰度图、原始直方图、变换后的灰度图以及变换后的直方图。 #### 关键点解释 - 直方图是描述图像灰度分布的重要工具，可以直观地观察图像的亮度特性。 - 伽马变换通过改变图像的灰度分布来增强或减弱对比度。例如，当伽马值大于1时，会拉伸图像中灰度级较高的区域，压缩灰度级较低的部分；当伽马值小于1时，效果相反[^3]。 - 查找表方法可以显著提高伽马变换的效率，避免每次计算幂运算的开销[^1]。