基礎篇05-圖像直方圖操作

本節將簡要介紹Halcon中有關圖像直方圖操作的算子，重點介紹直方圖獲取和顯示兩類算子，以及直方圖均衡化處理算子。

1. 引言

2. 獲取并顯示直方圖

2.1 獲取（灰度）直方圖

(1)?gray_histo算子

(2) gray_histo_abs算子

(3) gray_histo_range算子

(4)?histo_2dim

2.2 顯示直方圖

(1)?gen_region_histo算子

(2)?get_grayval_range算子

3. 直方圖操作

3.1 直方圖均衡

3.2 計算直方圖的統計特性

1. 引言

圖像直方圖（Histogram）是反映圖像像素分布的統計表，記為?(𝑘)，橫坐標代表像素值的取值區間，縱坐標代表每一像素值在圖像中的像素總數（對應普通直方圖）或者所占的百分比（對應歸一化直方圖）。

歸一化直方圖（Uniform Histogram）是圖像灰度級的函數，用來描述每個灰度級在圖像矩陣中的發生的概率，記為𝑝(𝑘)，它可以?(𝑘)用得到。

累計分布直方圖（Cumulitive Distribution?Histogram），簡稱累計直方圖，代表圖像組成成分在灰度級的累計概率分布情況，每一個概率值代表小于等于此灰度值的概率，記為𝑐(𝑘)，它也可以用?(𝑘)得到。

以下是三種直方圖的定義：

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

式中，𝑘是圖像灰度級的取值， $n_k$ 表示取值為𝑘的像素點數目，N是圖像內像素點的總數。

下圖是多幅圖像及其對應的直方圖情況，不難看出，灰度直方圖反映了圖像中的灰度分布規律，直觀地表現了圖像中各灰度級的占比，很好地體現出圖像的亮度和對比度信息：

灰度圖分布居中說明亮度正常，偏左說明亮度較暗，偏右表明亮度較高；
狹窄陡峭表明對比度降低，寬泛平緩表明對比度較高。

（從左至右分別是較暗、較亮、較黯淡，以及高對比度圖像及其直方圖示例）

2. 獲取并顯示直方圖

2.1 獲取（灰度）直方圖

(1)?gray_histo算子

在Halcon中使用gray_histo算子獲取圖像的直方圖。該算子計算圖像的灰度值分布，并返回直方圖的頻數。根據參數設置不同，可以獲取普通直方圖和歸一化直方圖。

算子聲明：

gray_histo(Image : : : AbsoluteHisto, RelativeHisto)

參數說明：

Image：輸入圖像。
AbsoluteHisto：絕對直方圖，表示每個灰度值的像素數量。
RelativeHisto：歸一化直方圖，表示每個灰度值的像素比例（概率）。

注意事項：

如果輸入圖像是彩色的，需要先轉換為灰度圖像。
如果要顯示直方圖，需要使用gen_region_histo算子將直方圖轉換為圖像的函數，方便可視化。

(2) gray_histo_abs算子

除了計算全局直方圖信息外，Halcon還提供了gray_histo_abs算子用于獲取圖像局部區域的直方圖信息，非常方便。在此列出該算子的聲明和參數說明。

算子聲明：

gray_histo_abs(Region, Image : Histogram : : )

參數說明：

Region: 輸入區域，指定要計算直方圖的圖像區域。
Image: 輸入圖像，灰度圖像。
Histogram: 輸出直方圖，返回一個包含灰度值分布的數組。

(3) gray_histo_range算子

Halcon使用gray_histo_range算子用于計算圖像中指定區域內灰度值在某個范圍內的直方圖信息。與 gray_histo_abs 不同，gray_histo_range 允許用戶指定一個灰度值范圍，并僅計算該范圍內的像素分布。

算子聲明：

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

參數說明：

Region: 輸入區域，指定要計算直方圖的圖像區域。
Image: 輸入圖像，灰度圖像。
Histogram: 輸出直方圖，返回一個數組，表示指定灰度范圍內的像素分布。
MinGray: 輸入參數，指定灰度范圍的最小值。
MaxGray: 輸入參數，指定灰度范圍的最大值。
NumBins: 輸入參數，指定直方圖的區間數（即將灰度范圍分成多少個區間）。

(4)?histo_2dim

Halcon使用histo_2dim算子計算雙通道灰度值圖像的直方圖，即構建二維直方圖。

算子聲明：

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

參數說明：

Regions：輸入區域，在此區域內計算直方圖。這些區域通常是從圖像中分割出來的一部分或多部分，即感興趣區域（ROI）。
ImageCol：多通道圖像的第一個通道，其數據將被用于計算直方圖的第一維。
ImageRow：多通道圖像的第二個通道，其數據將被用于計算直方圖的第二維。
Histo2Dim：計算得出的二維直方圖。輸出是一個整數類型的圖像，其中的每個像素值代表了對應灰度級組合出現的頻率。

使用說明：

histo_2dim算子計算的是輸入區域Regions內，由ImageCol和ImageRow兩個通道構成的二維特征空間的直方圖。
在這個二維特征空間中，ImageCol的灰度值被解釋為行索引，ImageRow的灰度值被解釋為列索引。
輸出圖像Histo2Dim中的每個點P(g1,g2)的灰度值表示(g1,g2)灰度值組合的頻率，其中g1表示行索引，g2表示列索引。

注意事項：

在使用histo_2dim算子時，需要確保輸入圖像的兩個通道具有相同的尺寸和數據類型。

2.2 顯示直方圖

(1)?gen_region_histo算子

Halcon使用gen_region_histo算子用于根據直方圖生成一個區域（Region）。該算子將直方圖的灰度值分布轉換為一個區域，通常用于可視化直方圖或基于直方圖的分析。

算子聲明：

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

參數說明：

Histogram: 輸入直方圖，通常是一個數組，表示灰度值的分布。
Region: 輸出區域，生成的區域表示直方圖的形狀。
Row: 輸入參數，指定生成區域的起始行坐標。
Column: 輸入參數，指定生成區域的起始列坐標。
Scale: 輸入參數，指定直方圖的縮放比例。

使用方法：

計算直方圖: 使用 gray_histo 或 gray_histo_range 等算子計算圖像的直方圖。
設置起始坐標: 指定生成區域的起始位置（Row 和 Column）。
設置縮放比例: 指定直方圖的縮放比例（Scale），用于調整生成區域的大小。
生成區域: 使用 gen_region_histo 將直方圖轉換為區域。
可視化或進一步處理: 對生成的區域進行顯示或進一步分析。

實例：

* 讀取圖像
read_image(Image, 'example_image.png')* 轉換為灰度圖像
rgb1_to_gray(Image, GrayImage)* 計算灰度直方圖
gray_histo(GrayImage, GrayImage, Histogram)* 定義直方圖的起始位置和縮放因子
Row := 100
Column := 100
Scale := 1.0* 生成基于直方圖的區域
gen_region_histo(RegionHisto, Histogram, Row, Column, Scale)* 顯示生成的區域
dev_display(GrayImage)
dev_display(RegionHisto)

注意事項：

直方圖數據：確保輸入的直方圖數據是有效的數組。如果直方圖數據為空或無效，生成的區域可能為空。
起始坐標：確保 Row 和 Column 在圖像范圍內，否則生成的區域可能不可見。
縮放比例：縮放比例 Scale 影響生成區域的大小。較大的縮放比例會生成較大的區域。

(2)?get_grayval_range算子

在顯示直方圖信息時，Halcon使用了get_grayval_range算子用于獲取圖像中灰度值的范圍（最小值和最大值）。這個算子對于分析圖像的灰度分布非常有用，尤其是在直方圖計算和圖像增強等操作中。

算子聲明：

get_grayval_range(Image : : : MinGray, MaxGray)

參數說明：

Image：輸入圖像（可以是灰度圖像或多通道圖像）。
MinGray：圖像中灰度值的最小值。
MaxGray：圖像中灰度值的最大值。

3. 直方圖操作

在Halcon中提供的直方圖操作主要是兩種，直方圖均衡和直方圖規定化。兩者都能實現特定的圖像增強目的，但又有區別。

3.1 直方圖均衡

直方圖均衡化（Histogram Equalization，簡稱直方圖均衡，HE）是一種簡單有效的圖像增強技術。根據直方圖的形態可以判斷圖像的質量，通過調控直方圖的形態可以改善圖像的質量。

直方圖均衡的基本思想是對圖像中占比大的灰度級進行展寬，而對占比小的灰度級進行壓縮，使圖像的直方圖分布較為均勻，擴大灰度值差別的動態范圍，從而增強圖像整體的對比度。

Halcon提供了equ_histo_image算子來實現直方圖均衡化。

算子聲明：

equ_histo_image(Image : ImageEquHisto : : )

參數說明：

Image（輸入）：輸入圖像（通常是灰度圖像）。
ImageEquHisto（輸出）：直方圖均衡化后的圖像。

以下是一個完整的Halcon代碼示例，展示如何實現直方圖均衡化。

* 讀取圖像
read_image(Image, 'example_image.jpg')* 將圖像轉換為灰度圖像
rgb1_to_gray(Image, GrayImage)* 顯示原始圖像
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')* 計算并顯示原始圖像的直方圖
gray_histo(GrayImage, GrayImage, AbsoluteHisto, RelativeHisto)
dev_display(GrayImage)
dev_set_window(WindowHandle1)
disp_histogram(AbsoluteHisto, 512, 512, 1, 1, 'absolute', 'true')* 進行直方圖均衡化
equ_histo_image(GrayImage, EquImage)* 顯示均衡化后的圖像
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')* 計算并顯示均衡化后的直方圖
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')

注意事項：