详解OpenCV自适应直方图均衡化的应用

简介

OpenCV是一个强大的计算机视觉库，具有很多图像处理的功能。其中直方图均衡化是一种常用的图像处理技术，可以增强图像的对比度和亮度。但是，传统的全局直方图均衡化会使得图像产生过度增强的现象，因此引出了自适应直方图均衡化的技术。本文将详细讲解OpenCV中自适应直方图均衡化的应用。

自适应直方图均衡化

自适应直方图均衡化（Adaptive Histogram Equalization，AHE）通过将图像分成许多小的局部区域，针对每个小区域进行直方图均衡化，从而解决传统均衡化方法无法处理图片中局部细节的问题。AHE算法的核心思想是将整张图片分成许多的1维数组，生成各自对应的直方图，然后将直方图进行等比例缩放，最后对原图进行像素遍历，在对应的直方图中找到对应像素点字典里的值，更新像素值。

OpenCV的自适应直方图均衡化实现

OpenCV提供了cv::equalizeHist()函数，实现了全局直方图均衡化的功能。针对AHE，OpenCV中也提供了cv::createCLAHE()函数，实现了自适应直方图均衡化的功能。

示例一

下面的代码段演示了如何使用cv::createCLAHE()函数对图像进行自适应直方图均衡化：

#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

    cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE();
    clahe->setClipLimit(4);
    clahe->apply(image, image);

    cv::imshow("AHE Result", image);
    cv::waitKey(0);

    return 0;
}

上述代码中，将读取一张灰度图像（image.jpg），调用cv::createCLAHE()函数创建了一个cv::CLAHE对象并设置了clipLimit为4。然后将图像进行均衡化，并显示结果图。

示例二

下面的代码段演示了如何使用cv::createCLAHE()函数对视频流的每一帧进行自适应直方图均衡化：

#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    cv::VideoCapture cap(0);
    if (!cap.isOpened())
        return -1;

    cv::Mat frame;
    cv::namedWindow("AHE Result", cv::WINDOW_NORMAL);

    cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE();
    clahe->setClipLimit(4);

    while (cv::waitKey(1) != 27)
    {
        cap >> frame;
        if (frame.empty())
            break;

        cv::Mat gray;
        cv::cvtColor(frame, gray, cv::COLOR_BGR2GRAY);

        clahe->apply(gray, gray);

        cv::imshow("AHE Result", gray);
    }

    return 0;
}

上述代码中，首先打开摄像头，读取每一帧图像。然后将每一帧图像转换为灰度图像，并对其进行自适应直方图均衡化。最后将处理后的图像展示在窗口中。

总结

自适应直方图均衡化是一种非常有用的图像增强技术，利用它可以实现对输入图像的局部区域进行直方图均衡化。OpenCV提供了cv::createCLAHE()函数对图像进行AHE，不仅可以应用于图像，还可以应用于实时视频流。