直方圖均衡化主要是為了增強影象的對比度，是直方圖分佈更加均勻

概念可以參考其他部落格的介紹。

主要分為以下幾個主要步驟：

1.統計每一個灰度級的畫素總數
2.計算每一個灰度級的概率（P(valueNumber)/piexelNumber，該灰度級畫素除以畫素總數）
3.累積概率，例如：p1=0.01,p2=0.01,p3=0.02,則累積概率為p1 p1+p2 p1+p2+p3;
4.將灰度值對映為： 灰度級*該灰度級累積概率值

原圖：

直方圖均衡化之後：

程式碼如下：

#include "opencv2/opencv.hpp"
#include "opencv2/core.hpp"
 

#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include "iostream"
using namespace cv;
using namespace std;

bool EqualizeHist(Mat gray, Mat result)
{
	map<int, int>mp;
	for (int i = 0; i < gray.rows; i++)
	{
		uchar* ptr = (uchar*)gray.data + i * gray.cols;
		for (int j = 0; j <
 
 gray.cols; j++)
		{
			int value = ptr[j];
			mp[value]++;
		}
	}
	map<int, double>valuePro;
	double sumPro = 0.0;
	int sumPixel = gray.cols*gray.rows;
	for (int i = 0; i < 256; i++)
	{
		sumPro += (1.0*mp[i]) / sumPixel;
		valuePro[i] = sumPro;
	}
	for (int i = 0; i < gray.rows; i++)
	{
		uchar*
 
 ptr1 = (uchar*)gray.data + i * gray.cols;
		for (int j = 0; j < gray.cols; j++)
		{
			int value = ptr1[j];
			double p = valuePro[value];
			result.at<uchar>(i, j) = value * p;
		}
	}
	return true;
}



int main()
{
	Mat srcImage = imread("IMG4_MRF_focus.tif");
	Mat image = imread("IMG4_MRF_focus.tif");
	Mat imageRGB[3];
	split(srcImage, imageRGB);
	//Mat image1[3];
	for (int i = 0; i < 3; i++)
	{
		EqualizeHist(imageRGB[i], imageRGB[i]);
	}
	merge(imageRGB,3, srcImage);
	imshow("原圖", image);
	imshow("直方圖", srcImage);
	waitKey();
	return 0;
}