[OPENCV-C++ ] histogram equalization

histogram equalization = 

• 영상을 다양한 응용분야에 적합한 형태로 개선하는 것(전처리 과정)

• 특정 영역의 대비(contrast)를 강하게 하거나, 영상의 전체적인 명암의 조절, 혹은, 특정 주파수 대역을 제거하는 방법 등
• 영상의 해석을 용이하게 하거나, 영상 내 특정 정보를 인지 가능하도록 함
• 열화(노이즈) 발생 시 원본 영상 복원

 

 

 

Q. 밝은 사진과 어두운 사진 중 대조를 해줄 때 더 효과적인 것은?

 

 

 

*히스토그램 평활화 과정(smoothing)

1.히스토그램을 생성하고 2.정규화하고 3.정규화된 히스토그램의 누적분포함수를 이용해서 대응 화소값을 생성해준다. 그 후 4.영상의 각 화소 값들을 대응되는 픽셀로 매핑시켜준다.

 

 

 

 

 

왼쪽 value는 히스토그램, 오른쪽 value는 확률밀도함수값

 

평활화 이후에 확률밀도함수는 선형적으로 바뀌게 됨. 

기존사진 평활화 한 결과 값 포화상태(0과 255까지 꽉 들어차있음.) 안좋다.

 

위에처럼 평활화 하지 않고 0과 255 부근은 제외하고 평활화를 해줌.

 

여기까지가 이론이고

 

*코드

이제 함수들을 라이브러리화 하려고 한다. 이를 위해 ISP.h와 ISP.cpp 클래스를 만들어주고 함수들을 만들어 준다.

//ISP.h
#pragma once

#include "Common.h"

class ISP
{
public:
	ISP();
	~ISP();

	bool Convert_BGR2GRAY(
		uchar* pBGR,//color channel, input
		int cols,//cols, input
		int rows,//rows, input
		uchar* pGray//mono channel, output
	);

	bool Get_Histogram(
		uchar * pGray,
		int cols,
		int rows,
		int* pHisto,
		int histoSz
	);
	bool Enhance_HistogramEq(
		uchar* pGray,
		int cols,//cols, input
		int rows,//rows, input
		uchar* pGrayEq
	);
	
private:

};

 

 

//ISP.cpp
#include "ISP.h"

ISP::ISP()
{
	std::cout << "ISP::Ctor" << std::endl;
}

ISP::~ISP()
{
	std::cout << "ISP::Dtor" << std::endl;
}

bool ISP::Convert_BGR2GRAY(uchar* pBGR, int cols, int rows, uchar* pGray)
{
	if (pBGR == nullptr || pGray == nullptr)
	{
		return false;
	}

	for (size_t row = 0; row < rows; row++)
	{
		for (size_t col = 0; col < cols; col++)
		{
			int index = (row)*cols + (col);
			int val_Y =
				0.299 * pBGR[index * 3 + 2]//r
				+ 0.587 * pBGR[index * 3 + 1]//g
				+ 0.114 * pBGR[index * 3 + 0];//b
			pGray[index] = (uchar)(val_Y + 0.5);//올림을 하고 형변환해줘서 오차 최소화

		}
	}


	return true;
}


bool ISP::Get_Histogram(uchar* pGray, int cols, int rows,int*pHisto, int histoSz)
{
	if (pGray == nullptr || pHisto == nullptr)//pGray나 pHisto가 뭔가를 가리키고 있지 않다면
	{
		return false;// false
	}


	
	for (size_t i = 0; i < cols*rows; i++)
	{
		if (pGray[i] >= histoSz)continue;//size 256을 넘는다면 패스 histogram이 터지지 않게 조건 걸어줌
		pHisto[pGray[i]]++;//안넘는다면 histo 값 증가
	}


	return true;
}


//밝은 곳과 어두운 곳의 contrast가 기존에는 180이라면 enhancement 후에는 200정도로 늘어남
bool ISP::Enhance_HistogramEq(uchar* pGray,int cols,int rows,uchar* pGrayEq)
{
	if (pGray == nullptr || pGrayEq == nullptr)//pGray나 pGrayEq가 뭔가를 가리키고 있지 않다면
	{
		return false;// false
	}
	int length = rows * cols;
	const int histoSz = 256;
	int histo[histoSz] = { 0, };

	Get_Histogram(pGray, cols, rows, histo, 256);

	//확률 밀도 함수
	int acc[histoSz] = { 0, };
	//acc[0]=histo[0]+histo[i] 를 프로그램으로 구현해야함
	acc[0] = histo[0];
	for (size_t i = 1; i < histoSz; i++)
	{
		acc[i] = acc[i - 1] + histo[i];//이전 확률밀도함수 값에다가 histo값 더해줌.
	}

	//new look up table 생성... 영상의 각 화소 값들을 새로운 대응값으로 맵핑
	int new_Gray[histoSz] = { 0, };
	for (size_t i = 1; i < histoSz; i++)
	{
		new_Gray[i] = static_cast<int>(1.0 * acc[i] * 255 / length);//이전 확률밀도함수 값에다가 histo값 더해줌.
	}


	for (size_t i = 1; i < length; i++)
	{
		pGrayEq[i] = new_Gray[pGray[i]]; //계산완료된 값들 Equalization 히스토그램에 맵핑시켜줌
	}





	//=======csv excel 파일 생성
	std::ofstream ofile("histogram_eq.csv");

	std::string str = "brightness, histo, histo_eq";//제일 윗열에 index 세팅
	ofile << str << "\n";//위에 string 이랑 개행 파일에 넣어줌
	if (ofile.is_open()) {
		for (size_t i = 0; i < histoSz; i++)
		{
			str = std::format("{}, {}, {}\n", i, histo[i], pGrayEq[i]);
			ofile << str;
		}
		ofile.close();
	}
	//=======csv excel 파일 생성

	return true;


}

 

 

//06.ISP_HistoEq.cpp
#pragma once

#include "ISP.h"

int main()
{

	std::string fileName = "../thirdparty/opencv_480/sources/samples/data/lena.jpg";
	cv::Mat src = cv::imread(fileName, cv::ImreadModes::IMREAD_ANYCOLOR);

	uchar* pData = src.data;//color pointer
	int length = src.total();//data length=cols*rows
	int channels = src.channels();
	const int histoSz = 256;

	cv::Mat gray_cv = cv::Mat(src.rows, src.cols, CV_8UC1);
	cv::Mat gray = cv::Mat(src.rows, src.cols, CV_8UC1);

	cv::cvtColor(src, gray_cv, ColorConversionCodes::COLOR_BGR2GRAY);
	ISP _isp;
	_isp.Convert_BGR2GRAY(src.data, src.cols, src.rows, gray.data);

	Mat diff = gray_cv - gray;

	cv::Mat gray_Eq = cv::Mat(src.rows, src.cols, CV_8UC1);

	_isp.Enhance_HistogramEq(gray.data,	gray.cols,gray.rows,gray_Eq.data);
	
	return 1;
}

equalization 결과 어두운 곳은 더 어둡게, 밝은 곳은 더 밝게 강조

 

histo acc일 때 0~40 240~255정도는 표현을 안하고 있는 것을 볼 수 있음.