直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值 ...
分类：
其他好文 时间：
2016-07-23 20:57:57
阅读次数：
216
直方图均衡化的作用是图像增强。 有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。 第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒 ...
分类：
其他好文 时间：
2016-07-20 13:11:48
阅读次数：
523
一、直方图均衡化
直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中，它是以累计分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。许多图像的灰度值是非均匀分布的,其中灰度值集中在一个小区间内的图像是很常见的，直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法，经过直方图均衡化的图像对二值化阈值...
分类：
其他好文 时间：
2016-07-19 17:07:18
阅读次数：
1032
openCV的人脸识别功能主要通过Haar分类器实现，当然，这是在已有训练数据的基础上。openCV安装后在opencv/opencv/sources/data/haarcascades_cuda（或者haarcascades）中存在预先训练好的物体检测器，包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。
openCV的的Haar分类器是一个监督分类器，首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计，称为Vio...
分类：
其他好文 时间：
2016-07-19 10:45:19
阅读次数：
181
OpenCV中有灰度直方图均衡化的函数equalizeHist ( InputArray src, OutputArray dst ) 只能处理单通道的灰色图像，对于彩色图像，需要把每个信道分别均衡化，再Merge为彩色图像。 OpenCV函数 compareHist ()产生一个表达两个直方图的相 ...
分类：
其他好文 时间：
2016-07-09 19:28:19
阅读次数：
172
直方图均衡化： 增强图像的对比度，增强图像的视觉效果，提高图像成分的清晰度；便于计算机处理： 原因 ： 颜色直方图包含了图像中的颜色信息，反应了颜色的数量特征，它描述的是不同色彩在整幅图相中所占的比例，并不关心每种色彩所处的控件位置，即无法描述图像中的对象或物体。 其主要步骤为： （1）求出原图像直 ...
分类：
其他好文 时间：
2016-06-28 10:54:34
阅读次数：
160
本文翻译自https://en.wikipedia.org/wiki/Adaptive_histogram_equalization，如有错误还望海涵。。
自适应的直方图均衡（Adaptive Histogram Equalization）
1.算法简介
AHE是一种用来改善图像对比度的图像处理技术，它与传统的（普通）直方图均衡相比，不同点主要在于，AHE通过计算图像每一个显...
分类：
其他好文 时间：
2016-05-27 12:32:15
阅读次数：
654
据说，图像的直方图规定化比直方图均衡化用得更多，但是很奇怪的是OpenCV居然没有图像直方图规定化的源码！所以，我就有必要在OpenCV下写一个图像直方图规定化处理的函数，以方便将来使用。
我在网上找了几个直方图均稀化的源码，并基于OpenCV来改写这些源码，效果都不如MATLAB的histeq函数，这其中改写的艰辛与繁琐就不细说了。最后，没办法，只好学习MATALB的histeq函数源码，并对...
分类：
其他好文 时间：
2016-05-12 13:24:28
阅读次数：
577
对图像（灰度图）进行直方图均衡化主要有一下几个步骤：1、计算各个灰度值（0-255）出现的次数2、计算各个灰度值的累积分布率2、根据累积分布率计算出原来各灰度值的均衡化之后的新的值%直方图均衡化
clear;
I = imread('1.bmp');
[height,width] = size(I);
figure
subplot(221)
imshow(I)%显示原始图像...
分类：
其他好文 时间：
2016-05-11 07:26:21
阅读次数：
122
