用 Java 使用 OpenCV 编写直方图处理程序

用Java使用OpenCV编写直方图处理程序：（一）计算一个图像的直方图import java.util.ArrayList;import org.opencv.core.Core;import org.opencv.core.CvType;import org.opencv.core.Mat;import org.opencv.core.MatOfFloat;import org.opencv.core.MatOfInt;import org.opencv.core.Scalar;import org.opencv.imgcodecs.Imgcodecs;import org.opencv.imgproc.Imgproc; public class MyHistograms / 加载OpenCV 本地库 static System.loadLibrary( Core.NATIVE_LIBRARY_NAME ); public static void main(Stringargs) Mat image = Imgcodecs.imread(mylena.png); Mat gray = new Mat(image.height(), image.width(), CvType.CV_8U, new Scalar(0); Imgproc.cvtColor(image, gray, Imgproc.COLOR_BGR2GRAY); Mat hist = new Mat(256, 1, CvType.CV_8U, new Scalar(0); ArrayList histsSource = new ArrayList(); histsSource.add(gray); Imgproc.calcHist(histsSource, new MatOfInt(0), new Mat(), hist, new MatOfInt(256), new MatOfFloat(0f, 256f); System.out.println(hist); System.out.println(hist.dump(); int pixAll = gray.rows() * gray.cols(); Mat histNorm = new Mat(hist.rows(), hist.cols(), hist.type(); Core.divide(hist, new Scalar(pixAll), histNorm); System.out.println(histNorm); System.out.println(histNorm.dump(); 直方图从统计学的角度表征图像，它可以反映图片的整体亮度和对比度：整体较暗的图片，直方图集中在灰度值较小的区域整体较亮的图片，直方图集中在灰度值较大的区域对比度较小的图片，直方图分布较集中对比度较大的图片，直方图分布较分散所有，直方图的应用包括亮度调整和对比度调整 （二）图像的直方图均衡直方图均衡用于整体对比度调整。直方图均衡直接针对像素值进行变换 (而不考虑位置信息)。灰度值变换函数表示为： s = T(r), 0=r-L-1 注意：区分这个函数和上面的直方图定义函数，他们的定义域相同，灰度值（如从0到255），但值域不同，直方图定义函数的值是该像素值的个数【0-图片总像素值】，它是个随机分布，而灰度值变换函数的值是该像素将要转换的值，也是0-255。它不是随机分布，而是由图像处理目的决定。为了保证灰度值转换的可逆性，直方图变换有2个要求1. 转换函数 T(r) 在区间 0, L-1 是严格单调递增的。（即保证r, s 一一对应）2. 当 r = 0, L-1 时， T(r) 也 = 0, L-1 从概率论的角度，直方图 nk / M*N 可以看作是在区间 r=0, L-1 上的随机概率分布，概率密度函数(PDF) 设为 pr。直方图均衡的变换函数 T(r) 定义为 pr 的累积分布函数乘以 (L-1），即 (L-1） * CDF即： s = T(r) = (L-1) 积分符号 0 r pr(w) dw这个定义不仅满足上面的两个要求，而且这种转换具有很好的直方图均衡效果。 即 T(r) = (L-1) pr(r)而 T(r) = ps (s)/ pr(r)， 所以：ps (s) = 1/(L-1) 即s的概率密度函数是常数。CDF保证在 pr 高密度的区域具有较高的斜率，从而达到“拉伸”的效果，进而达到提高对比度的效果。 采用CDF的直方图均衡算法 不依赖恩和参数，运用的时候非常简单，实际只需调用一个函数即可。例：import java.util.ArrayList;import org.opencv.core.Core;import org.opencv.core.CvType;import org.opencv.core.Mat;import org.opencv.core.MatOfFloat;import org.opencv.core.MatOfInt;import org.opencv.core.Scalar;import org.opencv.imgcodecs.Imgcodecs;import org.opencv.imgproc.Imgproc;public class MyHistogramEqualization static System.loadLibrary( Core.NATIVE_LIBRARY_NAME ); public static void main(Stringargs) Mat image = Imgcodecs.imread(mylena.png); Mat rMat = new Mat(image.height(), image.width(), CvType.CV_8U, new Scalar(0); Imgproc.cvtColor(image, rMat, Imgproc.COLOR_BGR2GRAY); Mat sMat = new Mat(image.height(), image.width(), CvType.CV_8U, new Scalar(0); Imgproc.equalizeHist(rMat, sMat); Mat rNormedHist = calNormedHist(rMat); Mat sNormedHist = calNormedHist(sMat); System.out.println(rNormedHist); System.out.println(rNormedHist.dump(); System.out.println(sNormedHist); System.out.println(sNormedHist.dump(); static Mat calNormedHist(Mat gray) Mat hist = new Mat(256, 1, CvType.CV_8U, new Scalar(0); ArrayList histsSource = new ArrayList(); histsSource.add(gray); Imgproc.calcHist(histsSource, new MatOfInt(0), new Mat(), hist, new MatOfInt(256), new MatOfFloat(0f, 256f); int pixAll = gray.rows() * gray.cols(); Mat histNormed = new Mat(hist.rows(), hist.cols(), hist.type(); Core.divide(hist, n