背景
由于需要经常分析浮点型的图像，而浮点型图像经常不能突出显示感兴趣的区域的，如下图所示：
而使用imagej软件，选中一个较小的感兴趣区域，调出其直方图，然后点击设置就可以增强整个图像对比度，突出显示感兴趣的区域，如下图所示。
我一直很好奇，他这个的实现原理什么。
实现
通过观察imagej的直方图可知，在那个局部区域内有明显的两个波峰，分别对应图像深度的下限和上限，我们只要找到这两个波峰，然后只保留在此波峰限定的范围内的值即可，小于波峰下限的值赋值一个更小的值，大于波峰上限的值赋值一个更大的值，最后基于OpenCV把深度图转换为灰度图即可。
找到直方图的第二个峰值，第二个峰值不一定是直方图的第二大值，因为它很有可能出现在第一个峰值的附近。可以通过以下公式进行计算
s e c o n d P e a k = a r g k m a x ( k − f i r s t P e a k ) 2 ∗ h i s t o g r a m I ( k ) , 0 ≤ k ≤ 255 secondPeak = arg_k max { ( k − firstPeak )^2 ∗ histogram I ( k ) } , 0 ≤ k ≤ 255 secondPeak=argkmax(k−firstPeak)2∗histogramI(k),0≤k≤255
cpp
cv::Mat depth2Gray(cv::Mat depth)
{
cv::Mat d = depth.clone();
const int width = d.cols;
const int height = d.rows;
const size_t allNum = size_t(width) * size_t(height);
// 需要显示的深度上下限
const float minValue = -5.f;
const float maxValue = 2.f;
float* data = (float*)d.data;
// 直方图统计
int channels[] = { 0 };
cv::Mat_<float> hist;
const int dims = 1;
const float step = 1.0;
const float low = -4.f;
const float high = 1.0;
const int hBins = std::floor((high - low) / step) + 1;
int histSize[] = { hBins };
//每一个维度取值范围
float pranges[] = { low, high };//取值区间
const float* ranges[] = { pranges };
cv::calcHist(&d, 1, channels, cv::Mat(), hist, dims,
histSize, ranges, true, false);
// 取第一个最大波峰
double minvv, maxvv;
int minIndx, maxIndx;
cv::minMaxIdx(hist, &minvv, &maxvv, &minIndx, &maxIndx);
// 取第二大波峰
const int num = hist.rows * hist.cols;
std::vector<float> peaks(num);
for (int i = 0; i < num; ++i)
{
peaks[i] = std::abs(i - maxIndx) * ((float*)hist.data)[i];
}
int secondMaxIndx;
cv::minMaxIdx(peaks, &minvv, &maxvv, &minIndx, &secondMaxIndx);
float lowv, highv;
float edge_step = (high - low) / hBins;
if (0 == maxIndx)
{
lowv = low;
highv = low + edge_step;
}
else if (hBins - 1 == maxIndx)
{
lowv = high - edge_step;
highv = high;
}
else
{
lowv = low + maxIndx * edge_step;
highv = lowv + edge_step;
}
float lowv1, highv1;
if (0 == secondMaxIndx)
{
lowv1 = low;
highv1 = low + edge_step;
}
else if (hBins - 1 == secondMaxIndx)
{
lowv1 = high - edge_step;
highv1 = high;
}
else
{
lowv1 = low + maxIndx * edge_step;
highv1 = lowv + edge_step;
}
// 两个波峰对应的值
float lowPeak, highPeak;
if (lowv < lowv1) { lowPeak= lowv; }
else { lowPeak= lowv1; }
if (highv1 > highv) { highPeak= highv1; }
else { highPeak= highv; }
for (size_t i = 0; i < allNum; ++i)
{
float& z = ((float*)data)[i];
if (z < v1) { z = minValue; }
if (z > v2) { z = maxValue; }
}
cv::Mat gray;
cv::normalize(d, gray, 0, 255, cv::NORM_MINMAX, CV_8UC1);
return gray;
}实现2
写完第一版代码才发现，搞那么复杂干嘛，又是直方图统计，又是找波峰的。深度图转灰度图突出显示感兴趣的特征，本质上不就是只把感兴趣的特征对应的深度信息保留下来，而其他干扰信息全部赋值无效数据吗。
第二版就补贴代码了。