opencv学习系列（一）---直方图与匹配

直方图与匹配

直方图可以描述物体的色彩分布，物体的边缘梯度模板，以及表示目标位置的当前假设。

直方图通过标记帧与帧之间显著的边缘和颜色的统计变化，以检测视频中场景的变换。

1.直方图均衡化

是直方图最典型的应用。是图像点运算的一种。

直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数过程。

作用：这种方法通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可

以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来

实现这种功能。

这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。

累计分布函数：

能完整描述一个实数随机变量X的概率分布。是概率密度函数的积分。体现在灰度图上是，灰度值出现次数的累加。

直方图均衡化公式

2.直方图匹配

是指使一幅图像的直方图变成规定形状的直方图而进行的图像增强方法。

直方图匹配又叫直方图规定化（HistogramNormalization/Matching）是指对一副图像进行变换，使其直方图与另一幅图像的直方图或

特定函数形式的直方图进行匹配。应用场景如不同光照条件下的两幅图像，我们可以在比较两幅图像前先进行匹配变化。

例如将图像规定化为高斯分布函数。

对每一个信道分别进行匹配处理

原图

匹配后

匹配后的图像能够在对比是增加相似度。