基础篇05-图像直方图操作

本节将简要介绍Halcon中有关图像直方图操作的算子，重点介绍直方图获取和显示两类算子，以及直方图均衡化处理算子。

1. 引言

2. 获取并显示直方图

2.1 获取（灰度）直方图

(1) gray_histo算子

(2) gray_histo_abs算子

(3) gray_histo_range算子

(4) histo_2dim

2.2 显示直方图

(1) gen_region_histo算子

(2) get_grayval_range算子

3. 直方图操作

3.1 直方图均衡

3.2 计算直方图的统计特性

1. 引言

图像直方图（Histogram）是反映图像像素分布的统计表，记为ℎ(𝑘)，横坐标代表像素值的取值区间，纵坐标代表每一像素值在图像中的像素总数（对应普通直方图）或者所占的百分比（对应归一化直方图）。

归一化直方图（Uniform Histogram）是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的发生的概率，记为𝑝(𝑘)，它可以ℎ(𝑘)用得到。

累计分布直方图（Cumulitive Distribution Histogram），简称累计直方图，代表图像组成成分在灰度级的累计概率分布情况，每一个概率值代表小于等于此灰度值的概率，记为𝑐(𝑘)，它也可以用ℎ(𝑘)得到。

以下是三种直方图的定义：

$h(k)=n_k,\quad p(k)=\frac{n_k}{N},\quad c=\frac{1}{N} \sum_{i=0}^{k}n_i,\quad k=0,1,\cdots,L-1$

式中，𝑘是图像灰度级的取值， $n_k$ 表示取值为𝑘的像素点数目，N是图像内像素点的总数。

下图是多幅图像及其对应的直方图情况，不难看出，灰度直方图反映了图像中的灰度分布规律，直观地表现了图像中各灰度级的占比，很好地体现出图像的亮度和对比度信息：

灰度图分布居中说明亮度正常，偏左说明亮度较暗，偏右表明亮度较高；
狭窄陡峭表明对比度降低，宽泛平缓表明对比度较高。

（从左至右分别是较暗、较亮、较黯淡，以及高对比度图像及其直方图示例）

2. 获取并显示直方图

2.1 获取（灰度）直方图

(1) gray_histo算子

在Halcon中使用gray_histo算子获取图像的直方图。该算子计算图像的灰度值分布，并返回直方图的频数。根据参数设置不同，可以获取普通直方图和归一化直方图。

算子声明：

gray_histo(Image : : : AbsoluteHisto, RelativeHisto)

参数说明：

Image：输入图像。
AbsoluteHisto：绝对直方图，表示每个灰度值的像素数量。
RelativeHisto：归一化直方图，表示每个灰度值的像素比例（概率）。

注意事项：

如果输入图像是彩色的，需要先转换为灰度图像。
如果要显示直方图，需要使用gen_region_histo算子将直方图转换为图像的函数，方便可视化。

(2) gray_histo_abs算子

除了计算全局直方图信息外，Halcon还提供了gray_histo_abs算子用于获取图像局部区域的直方图信息，非常方便。在此列出该算子的声明和参数说明。

算子声明：

gray_histo_abs(Region, Image : Histogram : : )

参数说明：

Region: 输入区域，指定要计算直方图的图像区域。
Image: 输入图像，灰度图像。
Histogram: 输出直方图，返回一个包含灰度值分布的数组。

(3) gray_histo_range算子

Halcon使用gray_histo_range算子用于计算图像中指定区域内灰度值在某个范围内的直方图信息。与 gray_histo_abs 不同，gray_histo_range 允许用户指定一个灰度值范围，并仅计算该范围内的像素分布。

算子声明：

gray_histo_range(Region, Image : Histogram : MinGray, MaxGray, NumBins : )

参数说明：

Region: 输入区域，指定要计算直方图的图像区域。
Image: 输入图像，灰度图像。
Histogram: 输出直方图，返回一个数组，表示指定灰度范围内的像素分布。
MinGray: 输入参数，指定灰度范围的最小值。
MaxGray: 输入参数，指定灰度范围的最大值。
NumBins: 输入参数，指定直方图的区间数（即将灰度范围分成多少个区间）。

(4) histo_2dim

Halcon使用histo_2dim算子计算双通道灰度值图像的直方图，即构建二维直方图。

算子声明：

histo_2dim(Regions, ImageCol, ImageRow : Histo2Dim : : )

参数说明：

Regions：输入区域，在此区域内计算直方图。这些区域通常是从图像中分割出来的一部分或多部分，即感兴趣区域（ROI）。
ImageCol：多通道图像的第一个通道，其数据将被用于计算直方图的第一维。
ImageRow：多通道图像的第二个通道，其数据将被用于计算直方图的第二维。
Histo2Dim：计算得出的二维直方图。输出是一个整数类型的图像，其中的每个像素值代表了对应灰度级组合出现的频率。

使用说明：

histo_2dim算子计算的是输入区域Regions内，由ImageCol和ImageRow两个通道构成的二维特征空间的直方图。
在这个二维特征空间中，ImageCol的灰度值被解释为行索引，ImageRow的灰度值被解释为列索引。
输出图像Histo2Dim中的每个点P(g1,g2)的灰度值表示(g1,g2)灰度值组合的频率，其中g1表示行索引，g2表示列索引。

注意事项：

在使用histo_2dim算子时，需要确保输入图像的两个通道具有相同的尺寸和数据类型。

2.2 显示直方图

(1) gen_region_histo算子

Halcon使用gen_region_histo算子用于根据直方图生成一个区域（Region）。该算子将直方图的灰度值分布转换为一个区域，通常用于可视化直方图或基于直方图的分析。

算子声明：

gen_region_histo(Histogram : Region : Row, Column, Scale : )

参数说明：

Histogram: 输入直方图，通常是一个数组，表示灰度值的分布。
Region: 输出区域，生成的区域表示直方图的形状。
Row: 输入参数，指定生成区域的起始行坐标。
Column: 输入参数，指定生成区域的起始列坐标。
Scale: 输入参数，指定直方图的缩放比例。

使用方法：

计算直方图: 使用 gray_histo 或 gray_histo_range 等算子计算图像的直方图。
设置起始坐标: 指定生成区域的起始位置（Row 和 Column）。
设置缩放比例: 指定直方图的缩放比例（Scale），用于调整生成区域的大小。
生成区域: 使用 gen_region_histo 将直方图转换为区域。
可视化或进一步处理: 对生成的区域进行显示或进一步分析。

实例：

* 读取图像
read_image(Image, 'example_image.png')* 转换为灰度图像
rgb1_to_gray(Image, GrayImage)* 计算灰度直方图
gray_histo(GrayImage, GrayImage, Histogram)* 定义直方图的起始位置和缩放因子
Row := 100
Column := 100
Scale := 1.0* 生成基于直方图的区域
gen_region_histo(RegionHisto, Histogram, Row, Column, Scale)* 显示生成的区域
dev_display(GrayImage)
dev_display(RegionHisto)

注意事项：

直方图数据：确保输入的直方图数据是有效的数组。如果直方图数据为空或无效，生成的区域可能为空。
起始坐标：确保 Row 和 Column 在图像范围内，否则生成的区域可能不可见。
缩放比例：缩放比例 Scale 影响生成区域的大小。较大的缩放比例会生成较大的区域。

(2) get_grayval_range算子

在显示直方图信息时，Halcon使用了get_grayval_range算子用于获取图像中灰度值的范围（最小值和最大值）。这个算子对于分析图像的灰度分布非常有用，尤其是在直方图计算和图像增强等操作中。

算子声明：

get_grayval_range(Image : : : MinGray, MaxGray)

参数说明：

Image：输入图像（可以是灰度图像或多通道图像）。
MinGray：图像中灰度值的最小值。
MaxGray：图像中灰度值的最大值。

3. 直方图操作

在Halcon中提供的直方图操作主要是两种，直方图均衡和直方图规定化。两者都能实现特定的图像增强目的，但又有区别。

3.1 直方图均衡

直方图均衡化（Histogram Equalization，简称直方图均衡，HE）是一种简单有效的图像增强技术。根据直方图的形态可以判断图像的质量，通过调控直方图的形态可以改善图像的质量。

直方图均衡的基本思想是对图像中占比大的灰度级进行展宽，而对占比小的灰度级进行压缩，使图像的直方图分布较为均匀，扩大灰度值差别的动态范围，从而增强图像整体的对比度。

Halcon提供了equ_histo_image算子来实现直方图均衡化。

算子声明：

equ_histo_image(Image : ImageEquHisto : : )

参数说明：

Image（输入）：输入图像（通常是灰度图像）。
ImageEquHisto（输出）：直方图均衡化后的图像。

以下是一个完整的Halcon代码示例，展示如何实现直方图均衡化。

* 读取图像
read_image(Image, 'example_image.jpg')* 将图像转换为灰度图像
rgb1_to_gray(Image, GrayImage)* 显示原始图像
dev_display(GrayImage)
dev_set_window(0)
set_display_font(16, 'mono', 'true', 'false')
disp_message(0, 'Original Image', 'window', 12, 12, 'black', 'true')
dev_open_window(0, 512, 512, 512, 'black', WindowHandle1)
dev_set_window(WindowHandle1)
disp_message(WindowHandle1, 'Original Histogram', 'window', 12, 12, 'black', 'true')* 计算并显示原始图像的直方图
gray_histo(GrayImage, GrayImage, AbsoluteHisto, RelativeHisto)
dev_display(GrayImage)
dev_set_window(WindowHandle1)
disp_histogram(AbsoluteHisto, 512, 512, 1, 1, 'absolute', 'true')* 进行直方图均衡化
equ_histo_image(GrayImage, EquImage)* 显示均衡化后的图像
dev_open_window(512, 0, 512, 512, 'black', WindowHandle2)
dev_set_window(WindowHandle2)
dev_display(EquImage)
disp_message(WindowHandle2, 'Equalized Image', 'window', 12, 12, 'black', 'true')* 计算并显示均衡化后的直方图
gray_histo(EquImage, EquImage, AbsoluteHistoEqu, RelativeHistoEqu)
dev_open_window(512, 512, 512, 512, 'black', WindowHandle3)
dev_set_window(WindowHandle3)
disp_message(WindowHandle3, 'Equalized Histogram', 'window', 12, 12, 'black', 'true')
disp_histogram(AbsoluteHistoEqu, 512, 512, 1, 1, 'absolute', 'true')

注意事项：