演算法原理

直方圖均衡化，是對影象進行非線性拉伸，使得一定範圍內畫素值的數量的大致相同。這樣原來直方圖中的封頂部分對比度得到了增強，而兩側波谷的對比度降低，輸出的直方圖是一個較為平坦的分段直方圖。具體來講可以表現為下面這個圖：

通過這種方法可以按照需要對影象的亮度進行調整，並且，這種方法是可逆的，也就是說知道了均衡化函式，就可以恢復原始的直方圖。接下來對原理進行說明：設變數 $r$代表影象中畫素灰度級。對灰度級進行歸一化處理，即 $0$

程式碼實現

//直方圖均衡化
Mat Histogramequalization(Mat src) {
    int R[256] = {0};
    int G[256] = {0};
    int B[256] = {0};
    int rows = src.rows;
    int cols = src.cols;
    int sum = rows * cols;
    //統計直方圖的RGB分佈
    for (int i = 0; i < rows; i++) {
        for (int j = 0; j < cols; j++) {
            B[src.at<Vec3b>(i, j)[0]]++;
            G[src.at<Vec3b>(i, j)[1]]++;
            R[src.at<Vec3b>(i, j)[2]]++;
        }
    }
    //構建直方圖的累計分佈方程，用於直方圖均衡化
    double val[3] = {0};
    for (int i = 0; i < 256; i++) {
        val[0] += B[i];
        val[1] += G[i];
        val[2] += R[i];
        B[i] = val[0] * 255 / sum;
        G[i] = val[1] * 255 / sum;
        R[i] = val[2] * 255 / sum;
    }
    //歸一化直方圖
    Mat dst(rows, cols, CV_8UC3);
    for(int i = 0; i < rows; i++){
        for(int j = 0; j < cols; j++){
            dst.at<Vec3b>(i, j)[0] = B[src.at<Vec3b>(i, j)[0]];
            dst.at<Vec3b>(i, j)[1] = B[src.at<Vec3b>(i, j)[1]];
            dst.at<Vec3b>(i, j)[2] = B[src.at<Vec3b>(i, j)[2]];
        }
    }
    return dst;
}

效果

原圖
直方圖均衡化後的圖