有没有办法使用 OpenCV 均衡每个样本图像 16 位的直方图？答案

【问题标题】：Is there a way to equalize the histogram of a 16-bits per sample image using OpenCV?有没有办法使用 OpenCV 均衡每个样本图像 16 位的直方图？
【发布时间】：2014-03-11 15:21:30
【问题描述】：

我正在使用 16 位/示例图像。
是否有（简单）方法来执行此类图像的直方图均衡（不能转换为 8bps）？

【问题讨论】：

标签： c++ opencv image-processing histogram

【解决方案1】：

OpenCV 中的equalizeHist 只需要 8 位数据。

但 OpenCV 中的图像归一化不限于 8 位数据。请参阅它的描述here。在您的情况下，对函数的调用应如下所示：

normalize(src_image, dst_image, 0, 65535, NORM_MINMAX);

如果你想提高图像的对比度，首先尝试标准化，只有当这不起作用时才尝试均衡。标准化速度更快，破坏性更小。

参考：http://answers.opencv.org/question/3176/improve-contrast-of-a-16u-image/

【讨论】：

对不起，我没有提到，图像已经标准化（0-65535），但大多数样本在 5000-9000 范围内。谢谢。
好吧，再想一想，我可以做一个简单的非线性变换，它会扩展 5000-9000 的值范围并以低频（低出现次数）缩小剩余的两个值范围.我刚刚发现您提到的链接线程中存在相同的答案。无论如何，谢谢你的想法:)

【解决方案2】：

截至目前，OpenCV equalizeHist 仅支持 8 位图像。我基于 OpenCV 实现 here 创建了 16 位直方图均衡函数 here。

void equalizeHist16Bit(const cv::Mat &_src, cv::Mat &_dst)
{
    _dst = _src.clone();

    const int hist_sz = 65536;
    int *hist = new int[hist_sz] {};
    int *lut = new int[hist_sz] {};

    for (int y = 0; y < _src.rows; y++)
        for (int x = 0; x < _src.cols; x++)
            hist[(int)_src.at<unsigned short int>(y, x)]++;

    auto i = 0;
    while (!hist[i]) ++i;

    auto total = (int)_src.total();
    if (hist[i] == total) 
    {
        _dst.setTo(i);
        return;
    }

    float scale = (hist_sz - 1.f) / (total - hist[i]);
    auto sum = 0;

    for (lut[i++] = 0; i < hist_sz; ++i) 
    {
        sum += hist[i];
        lut[i] = cv::saturate_cast<ushort>(sum * scale);
    }

    for (int y = 0; y < _src.rows; y++)
        for (int x = 0; x < _src.cols; x++)
        {
            _dst.at<unsigned short int>(y, x) = lut[(int)_src.at<unsigned short int>(y, x)];
        }
}

【讨论】：

【解决方案3】：

#Simple implementation in python 
#Reference: https://github.com/torywalker/histogram-equalizer/blob/master/HistogramEqualization.ipynb

import cv2
import numpy as np
import matplotlib.pyplot as plt
img_tif=cv2.imread("scan.tif",cv2.IMREAD_ANYDEPTH)
img = np.asarray(img_tif)
flat = img.flatten()
hist = get_histogram(flat,65536)
#plt.plot(hist)

cs = cumsum(hist)
# re-normalize cumsum values to be between 0-255

# numerator & denomenator
nj = (cs - cs.min()) * 65535
N = cs.max() - cs.min()

# re-normalize the cdf
cs = nj / N
cs = cs.astype('uint16')
img_new = cs[flat]
#plt.hist(img_new, bins=65536)
#plt.show(block=True)
img_new = np.reshape(img_new, img.shape)
cv2.imwrite("contrast.tif",img_new)

【讨论】：

欢迎来到 Stack Overflow！请详细说明此代码的作用以及它如何帮助解决问题。仅代码的答案在这里被认为质量有点差，应该加上一些解释。

【解决方案4】：

Python 中的简单实现
参考：https://github.com/torywalker/histogram-equalizer/blob/master/HistogramEqualization.ipynb

import cv2
import numpy as np
import matplotlib.pyplot as plt
img_tif=cv2.imread("scan_before threthold_873.tif",cv2.IMREAD_ANYDEPTH)
img = np.asarray(img_tif)
flat = img.flatten()
hist = get_histogram(flat,65536)
#plt.plot(hist)
#
cs = cumsum(hist)
# re-normalize cumsum values to be between 0-255

# numerator & denomenator
nj = (cs - cs.min()) * 65535
N = cs.max() - cs.min()

# re-normalize the cdf
cs = nj / N
cs = cs.astype('uint16')
img_new = cs[flat]
#plt.hist(img_new, bins=65536)
#plt.show(block=True)
img_new = np.reshape(img_new, img.shape)
cv2.imwrite("contrast.tif",img_new)

【讨论】：