히스토그램 평활화는 히스토그램을 이용하여 이미지의 명암 대비를 개선시키는 방법입니다.
그레이스케일 영상의 경우 픽셀이 가질 수 있는 값의 범위는 0 ~ 255 사이의 값입니다. 이미지 상에서 픽셀값이 0인 갯수, 픽셀값이 1인 갯수, ... , 픽셀값이 255인 갯수를 세어서 배열에 저장한 것이 히스토그램입니다. 왼쪽 이미지에 대해 히스토그램을 구하여 그래프로 그려보면 중앙의 좁은 범위에 픽셀들이 몰려있는 것을 볼 수 있습니다. 그래프에서 x축은 0~255사이의 픽셀값 범위이며 y축은 픽셀 갯수입니다.
 |
 |
히스토그램 평활화를 적용시키면 이미지의 픽셀값이 0~255 범위내에 골고루 분산되어 이미지의 명암대비가 개선됩니다.
 |
|
구현 과정
1. 입력 영상에 대한 히스토그램과 누적 히스토그램을 계산합니다. 누적 히스토그램은 현재 픽셀값까지의 히스토그램을 더해주는 것입니다.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21 |
//입력 그레이스케일 영상의 히스토그램 계산
int histogram[256] = { 0, };
for (int y = 0; y < img_input.rows; y++)
{
for (int x = 0; x < img_input.cols; x++)
{
int value = img_gray.at<uchar>(y, x);
histogram[value] += 1;
}
}
//입력 그레이스케일 영상의 누적 히스토그램 계산
int cumulative_histogram[256] = { 0, };
int sum = 0;
for (int i = 1; i < 256; i++)
{
sum += histogram[i];
cumulative_histogram[i] = sum;
} |
cs |
2. 정규화된 누적 히스토그램을 구하여 입력 그레이스케일 영상에 히스토그램 평활화를 적용합니다.
P_new = N[ P_old ] * 255
N : 정규화된 누적 히스토그램
P_old : 입력 영상의 픽셀값
P_new: 결과 영상의 픽셀값
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32 |
//입력 그레이스케일 영상의 정규화된 누적 히스토그램 계산
float normalized_cumulative_histogram[256] = { 0.0, };
int image_size = img_input.rows * img_input.cols;
for (int i = 0; i < 256; i++)
{
normalized_cumulative_histogram[i] = cumulative_histogram[i] / (float)image_size;
}
//히스토그램 평활화 적용 및 결과 영상의 히스토그램 계산
img_result = Mat(img_input.rows, img_input.cols, CV_8UC1);
int histogram2[256] = { 0, };
for (int y = 0; y<img_input.rows; y++)
{
for (int x = 0; x < img_input.cols; x++)
{
img_result.at<uchar>(y, x) = normalized_cumulative_histogram[img_gray.at<uchar>(y, x)] * 255;
histogram2[img_result.at<uchar>(y, x)] += 1;
}
}
//결과 영상의 누적 히스토그램 계산
int cumulative_histogram2[256] = { 0, };
sum = 0;
for (int i = 1; i < 256; i++)
{
sum += histogram2[i];
cumulative_histogram2[i] = sum;
} |
cs |
입력 영상의 경우 픽셀들이 중앙에 몰려 있었는데
이미지 평활화 적용 후, 0~255사이에 넓게 분포하게 되었습니다. 누적 히스토그램도 점차적으로 증가하게 되었습니다.
전체 소스코드입니다.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143 |
#include <opencv2/highgui.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat img_input, img_gray, img_result, img_histogram, img_histogram2;
//이미지 파일을 읽어와서 img_input에 저장
img_input = imread("input4.jpg", IMREAD_COLOR);
if (img_input.empty())
{
cout << "파일을 읽어올수 없습니다." << endl;
exit(1);
}
//입력영상을 그레이스케일 영상으로 변환
img_gray = Mat(img_input.rows, img_input.cols, CV_8UC1);
for (int y = 0; y < img_input.rows; y++)
{
for (int x = 0; x < img_input.cols; x++)
{
//img_input으로부터 현재 위치 (y,x) 픽셀의
//blue, green, red 값을 읽어온다.
uchar blue = img_input.at<Vec3b>(y, x)[0];
uchar green = img_input.at<Vec3b>(y, x)[1];
uchar red = img_input.at<Vec3b>(y, x)[2];
//blue, green, red를 더한 후, 3으로 나누면 그레이스케일이 된다.
uchar gray = (blue + green + red) / 3.0;
//Mat타입 변수 img_gray에 저장한다.
img_gray.at<uchar>(y, x) = gray;
}
}
//입력 그레이스케일 영상의 히스토그램 계산
int histogram[256] = { 0, };
for (int y = 0; y < img_input.rows; y++)
{
for (int x = 0; x < img_input.cols; x++)
{
int value = img_gray.at<uchar>(y, x);
histogram[value] += 1;
}
}
//입력 그레이스케일 영상의 누적 히스토그램 계산
int cumulative_histogram[256] = { 0, };
int sum = 0;
for (int i = 1; i < 256; i++)
{
sum += histogram[i];
cumulative_histogram[i] = sum;
}
//입력 그레이스케일 영상의 정규화된 누적 히스토그램 계산
float normalized_cumulative_histogram[256] = { 0.0, };
int image_size = img_input.rows * img_input.cols;
for (int i = 0; i < 256; i++)
{
normalized_cumulative_histogram[i] = cumulative_histogram[i] / (float)image_size;
}
//히스토그램 평활화 적용 및 결과 영상의 히스토그램 계산
img_result = Mat(img_input.rows, img_input.cols, CV_8UC1);
int histogram2[256] = { 0, };
for (int y = 0; y<img_input.rows; y++)
{
for (int x = 0; x < img_input.cols; x++)
{
img_result.at<uchar>(y, x) = normalized_cumulative_histogram[img_gray.at<uchar>(y, x)] * 255;
histogram2[img_result.at<uchar>(y, x)] += 1;
}
}
//결과 영상의 누적 히스토그램 계산
int cumulative_histogram2[256] = { 0, };
sum = 0;
for (int i = 1; i < 256; i++)
{
sum += histogram2[i];
cumulative_histogram2[i] = sum;
}
//히스토그램 그리기
img_histogram = Mat( 300, 600, CV_8UC1, Scalar(0));
img_histogram2 = Mat(300, 600, CV_8UC1, Scalar(0));
int max = -1;
for (int i = 0; i < 256; i++)
if (max < histogram[i]) max = histogram[i];
int max2 = -1;
for (int i = 0; i < 256; i++)
if (max2 < histogram2[i]) max2 = histogram2[i];
for (int i = 0; i<256; i++)
{
int histo = 300 * histogram[i] / (float)max;
int cumulative_histo = 300 * cumulative_histogram[i] / (float)cumulative_histogram[255];
line(img_histogram, cvPoint(i + 10, 300), cvPoint(i + 10, 300 - histo), Scalar(255,255,255));
line(img_histogram, cvPoint(i + 300, 300), cvPoint(i + 300, 300 - cumulative_histo), Scalar(255, 255, 255));
int histo2 = 300 * histogram2[i] / (float)max2;
int cumulative_histo2 = 300 * cumulative_histogram2[i] / (float)cumulative_histogram2[255];
line(img_histogram2, cvPoint(i + 10, 300), cvPoint(i + 10, 300 - histo2), Scalar(255, 255, 255));
line(img_histogram2, cvPoint(i + 300, 300), cvPoint(i + 300, 300 - cumulative_histo2), Scalar(255, 255, 255));
}
//화면에 결과 이미지를 보여준다.
imshow("입력 영상", img_input);
imshow("입력 그레이스케일 영상", img_gray);
imshow("결과 그레이스케일 영상", img_result);
imshow("입력 영상의 히스토그램", img_histogram);
imshow("평활화 후 히스토그램", img_histogram2);
//아무키를 누르기 전까지 대기
while (cvWaitKey(0) == 0);
//결과를 파일로 저장
imwrite("img_gray.jpg", img_gray);
imwrite("img_result.jpg", img_result);
imwrite("img_histogram.jpg", img_histogram);
imwrite("img_histogram2.jpg", img_histogram2);
} |
cs |
'소프트웨어 > OpenCV' 카테고리의 다른 글
| ubuntu 22.04 opencv 및 python 설치 (0) | 2024.07.15 |
|---|---|
| [OpenCV] Labeling(레이블링, 라벨링) 이론 및 소스코드 (0) | 2018.05.28 |
| 영상처리 강좌 3 - 컨볼루션(Convolution)과 스무딩(Smoothing), 샤프닝(Sharpening) (0) | 2018.05.15 |
| 영상처리 강좌 1 - 컬러 영상을 그레이스케일 영상으로 변환 (0) | 2018.05.15 |
맨오브파워
한계를 뛰어 넘어서..........
