VC下通过直方图变换对图像进行有效增强(2)

　　然后计算R、G、B三分量各灰度级的累计直方图分布，并对其进行取整以得出源和目标图像灰度之间的映射关系：

for(i=0;i<256;i++)
{
　//计算累计直方图分布
　temp_r[i]=temp_r[i-1]+ps_r[i];
　temp_g[i]=temp_g[i-1]+ps_g[i];
　temp_b[i]=temp_b[i-1]+ps_b[i];
　//累计分布取整，ns_r[]、ns_g[]、ns_b[]保存有计算出来的灰度映射关系
　ns_r[i]=(int)(255.0f*temp_r[i]+0.5f);
　ns_g[i]=(int)(255.0f*temp_g[i]+0.5f);
　ns_b[i]=(int)(255.0f*temp_b[i]+0.5f);
}

　　最后按照计算出来的映射关系把原图的原始灰度值映射到经过均衡化的新灰度级上，完成最后的处理，下图就是原图像和用本程序得出的经过直方图均衡化处理的目标图像，从实验结果可以看出原始图像太暗根本看不清细节，而处理过的图像则非常清晰：

for(i=54;i<m_dwFileLen;i++)
{
　m_cpBuffer[i]=ns_r[m_cpBuffer[i]]; //对R分量进行灰度映射（均衡化）
　i++;
　m_cpBuffer[i]=ns_g[m_cpBuffer[i]]; //对G分量进行灰度映射（均衡化）
　i++;
　m_cpBuffer[i]=ns_b[m_cpBuffer[i]]; //对B分量进行灰度映射（均衡化）
} 
　采取单映射规则的直方图规定化处理

　　前面介绍的直方图均衡化处理方法从实验效果看还是很不错的，从实现算法上也可以看出其优点主要在于能自动增强整幅图像的对比度，但具体的增强效果也因此不易控制，只能得到全局均衡化处理的直方图。而在科研和工程应用中往往根据不同的需要而希望得到特定形状的直方图分布以有选择的对某灰度范围进行局部的对比度增强。象这种情况可以采取对直方图的规定化处理，通过选择合适的规定化函数可以取得期望的效果。对于灰度级数分别为M和N（满足M≥N）的原始图和规定图，一般仍先按均衡化对原始图进行处理：

tk = EHs(si) = ∑ps(si) ，（k=0,1,2,……，M-1）

　　然后规定需要的直方图，并计算出能使规定的直方图均衡化的变换：

vl = EHu(uj) = ∑pu(ui) ，（l=0,1,2,……，N-1）

　　最后将第一步得到的变换反转过去，即把原始直方图对应映射到规定的直方图，也就是把所有的ps(si)映射到pu(uj)中去。由于映射是在离散空间进行的，而且在取整时不可避免会引入误差，因此采取何种对应规则是一个很重要的问题。比较常用的一种方法是Gonzalez在1987年提出的单映射规则（single mapping law，SML）：首先寻找能满足 |∑ps(si) - ∑pu(uj)| 最小的k和l（ps()和pu()的求和上限），然后把ps(si)映射到pu(uj)中去。

　　本文针对原始图像比较暗的特点，采取如下的规定直方图，以使高亮度像素能得到充分的加强：

float a=1.0f/(32.0f*63.0f); //64个灰度级，a为步长
for(int i=0;i<64;i++)
{
　nu[i]=i*4;
　pu[i]=a*i;
}