灰度图像的直方均衡、线性变换与线性拉伸

前些天本来打算用VC6.0 + opencv1.0去学习图像处理，但后来发现还是VS + opencv2以上版本做比较顺手，所以装了vs2015，配置了环境什么的（VS2015配置opencv3.1.0）。在把环境配置好后，我就上网学习了别人写的代码，自己也开始写写简单的代码练手。因为作业的要求，所以写了实现了灰度图像的直方均衡、线性变换与线性拉伸的程序。如果对上述几个概念不是很清楚可以参考下这篇文章。

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <iostream>using namespace std;using namespace cv;Mat XianChange(Mat &img, double alt, int base)//灰度线性变化、{CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  Mat temp = img.clone();int channels = img.channels();            //获取图像channel  int nrows = img.rows;                     //矩阵的行数  int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  {ncols *= nrows;nrows = 1;                 //一维数组  }//遍历像素点灰度值  for (int i = 0; i<nrows; i++){uchar *p = temp.ptr<uchar>(i);    //获取行地址  for (int j = 0; j<ncols; j++){p[j] = alt*p[j] + base;//修改灰度值  if (p[j] > 255)p[j] = 255;if (p[j] < 0)p[j] = 0;}}return temp;}Mat XianStretch(Mat &img, int a, int b, int c, int d)//线性灰度拉伸，将[a,b]拉伸到[c,d]{CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  Mat temp = img.clone();int channels = img.channels();            //获取图像channel  int nrows = img.rows;                     //矩阵的行数  int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  {ncols *= nrows;nrows = 1;                 //一维数组  }//遍历像素点灰度值  for (int i = 0; i<nrows; i++){uchar *p = temp.ptr<uchar>(i);    //获取行地址  for (int j = 0; j<ncols; j++){if (p[j] < a)p[j] = c / b * p[j];else if (p[j] > a && p[j] < b)p[j] = (d - c) / (b - a) * (p[j] - a) + c;elsep[j] = (255 - d) / (255 - b) *(p[j] - b) + d;}}return temp;}Mat HistogramEqu(Mat &img)               //直方均衡{CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  Mat temp = img.clone();int grayNum[260] = { 0 };int grayMap[260] = { 0 };int channels = img.channels();            //获取图像channel  int nrows = img.rows;                     //矩阵的行数  int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  int allPixel = nrows*ncols;               //图像的像素总数int c;                                    //用于计算累积分布概率if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  {ncols *= nrows;nrows = 1;    //一维数组  }//遍历像素点灰度值  for (int i = 0; i<nrows; i++){uchar *p = temp.ptr<uchar>(i);    //获取行地址  for (int j = 0; j<ncols; j++){grayNum[p[j]]++;        //原图像的直方图}}for (int i = 0; i < 256; i++)     //重新定义新的直方图{c = 0;for (int j = 0; j<=i; j++){c += grayNum[j];grayMap[i] = int (255 * c / allPixel);}//printf("%d %d\n", i, grayMap[i]);}for (int i = 0; i < nrows; i++)     //重新定义新的直方图{uchar *p = temp.ptr<uchar>(i);    //获取行地址  for (int j = 0; j < ncols; j++){p[j] = grayMap[p[j]];}}return temp;}int main(){string picName = "lena256.jpg";Mat A = imread(picName, CV_LOAD_IMAGE_GRAYSCALE);    //读入灰度图像  imshow("变换前", A);Mat B = XianChange(A, 1, 20);//根据需要设置不同的参数imshow("线性变换后", B);Mat C = XianStretch(A, 10, 100, 20, 50);//根据需要设置不同的参数imshow("线性拉伸后", C);Mat D = HistogramEqu(A);imshow("直方均衡后", D);waitKey();return 0;}

程序运行完后的效果图：

使用的原图：