选择性直方图均衡(仅在图像的指定区域）

初步：
您是否注意到您没有在第二版的累积直方图功能上使用？

void equalizeHist_16U(Mat* img, int x1, int x2, int y1, int y2)

正在调用

compute_hist_16U(img, hist, true);

而不是：

long compute_hist_16U (Mat* img, long* hist, bool cumul, int x1, int x2, int y1, int y2)

（我想您想发布最后一个，否则我不会明白您为什么发布代码:)）

实际答案：

如果您使用cv::Mat ROI，通过operator ()。

您的功能将如下：

void equalizeHist_16U(Mat* img, int x1, int x2, int y1, int y2) {
   //Here you should check you have x2 > x1 and y2 > y1 and y1,x1 >0 and x2 <= img->width and y2 <= img->height
   cv::Rect roi(x1,y1,x2-x1,y2-y1); 
   //To reproduce exactly the behaviour you seem to target,
   //it should be x2-x2+1 and y2-y1+1. 
   //But you should get used on the fact that extremes are,
   //as a convention, excluded
   cv::Mat& temp = *img; //Otherwise using operator() is complicated
   cv::Mat roiMat = temp(roi); //This doesn't do any memory copy, just creates a new header!
   void equalizeHist_16U(&roiMat); //Your original function!!
}

就是这样！如果这不起作用，则意味着您的原始功能该处理整个图像具有您以前看不到的错误。

当我有一些时间时，我将发布一些建议以使您的功能更快（例如，您应该避免使用.at，应在直方图计算结束时计算直方图中的最大值，您应该创建一个查找short的查找表，其中您将直方图乘以乘比率，以便应用直方图变得更快；而不是导致浮点转换的ratio变量，您可以简单地将直方图元素除以常数(img->width*img->height)）和更整洁的（您应该通过参考来传递Mat，而不是使用指针，那是C风格，而不是C ）

此外：

• 为什么您从compute_hist_16U返回值？

• long hist[65535]应该long hist[65536]，以便索引65535有效。首先，65535是图像中的白色值。此外，当您使用b=hist+65534（最后一个周期）的b+1时，您可以在周期中使用它

  for(b=hist ; b<hist+65535 ; b++)
  {
      *(b+1) += *b;
  }
  

感谢您的回答。

初步我想我在粘贴代码时犯了一个错误，我忘了更改您注意到的行，这一行应该是您写的最后一行。

实际答案您的技术效果很好，无论选定区域如何，我的像素（透明白色和深色黑色）确实具有极端值。唯一的问题（我没有在问题中提及它，所以您不知道）是它只能保留所选区域，其余图像没有变化。实际上，我想对图像的指定部分进行直方图计算，并将该直方图应用于我的所有图像。

我还从compute_hist_16U删除了返回的值，并将long hist[65535]更改为long hist[65536]我更改了传递图像的方式，并删除了变量ratio。我使用了.at，因为它是访问文档中描述的像素值的方法，当我搜索"如何加入Pixel value OpenCV Mat"中所述的像素值"。而且我从未看过如何创建查找表

我的新功能是：

void compute_hist_16U (Mat &img, long* hist)
{
    unsigned short i, j;
    long* b;
    assert(img.channels() == 1);
    assert(CV_16U == img.type());
    for(i=0 ; i<=img.cols-1  ; i++)
    {
        for(j=0 ; j<=img.rows-1 ; j++)
        {
            hist[img.at<unsigned short>(j,i)]++;
        }
    }
    //Calcul de l'histogramme cumulé
    for(b=hist ; b<hist+65535 ; b++)
    {
        *(b+1) += *b;
    }
}
void equalizeHist_16U(Mat &img, int x1, int x2, int y1, int y2)
{
    long hist[65536] = {0};
    double ratio;
    int i,j;
    assert(img.channels() == 1);
    assert(img.type() == CV_16U);
    assert(x1>=0 && y1>=0 && x2>x1 && y2>y1);
    assert(y2<img.rows && x2<img.cols);
   cv::Rect roi(x1,y1,x2-x1+1,y2-y1+1);
   cv::Mat& temp = img;
   cv::Mat roiMat = temp(roi);
   compute_hist_16U(roiMat, hist);
   for(i=0 ; i<=img.cols-1 ; i++)
   {
       for(j=0 ; j<=img.rows-1 ; j++)
       {
           img.at<unsigned short>(j,i) = 65536.0*hist[img.at<unsigned short>(j,i)] / (roiMat.cols*roiMat.rows);
       }
   }
}
void equalizeHist_16U(Mat &img)
{
    equalizeHist_16U(img, 0, img.cols-1, 0, img.rows-1);
}

我认为它有效，如果我选择了图像的明亮部分，那么我在这部分（明亮的白色和深色黑色）上有极端值，其余图像非常黑。例如，如果我在右侧选择建筑物：http：//www.noelshack.com/2015-20-1431349774-Result-ok.png

但是有时结果很奇怪，例如，如果我选择最黑的云：http：//www.noelshack.com/2015-20-20-1431349774-Result-nok.png