进行直方图均衡化并将直方图绘制出来，主要需要如下几个函数：
1、CVAPI(void) cvEqualizeHist( const CvArr* src, CvArr* dst );
这个函数用起来十分简单，只需要传入源图像以及已初始化的目标图像即可。
第一个参数：const CvArr* src：待处理的源图像；
第二个参数：CvArr* dst：目标图像；
在cvEqualizeHist()中，原始图像及目标图像必须是单通道，大小相同的8位图像。对于彩色图像，必须先利用cvSplite()将每个通道分开，再分别进行处理。
2、CVAPI(void) cvCvtColor( const CvArr* src, CvArr* dst, int code );
由上一个函数已知，因为我们传入的源图像必须为单通道图像，那么我们在进行其他操作之前，先将图像转换为单通道图像，即使用cvCvtColor()进行转换。
第一个参数：const CvArr* src：待处理的源图像；
第二个参数：CvArr* dst：目标图像；
第三个参数：int code：色彩空间转换的模式，该code来实现不同类型的颜色空间转换。比如CV_BGR2GRAY表示转换为灰度图，CV_BGR2HSV将图片从RGB空间转换为HSV空 间。其中当code选用CV_BGR2GRAY时，dst需要是单通道图片。当code选用CV_BGR2HSV时，对于8位图，需要将rgb值归一化到0-1之间。这样得到HSV图中的H范围才是0-360，S和V的范围是0-1。
3、CV_INLINE void cvCalcHist( IplImage** image, CvHistogram* hist,
int accumulate CV_DEFAULT(0),
const CvArr* mask CV_DEFAULT(NULL) )<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);"> </span>
第一个参数：Iplimage** image：输入图像 (也可以使用 CvMat** ).
第二个参数：CvHistogram* hist:：直方图指针
第三个参数：int accumulate：累计标识。如果设置，则直方图在开始时不被清零。这个特征保证可以为多个图像计算一个单独的直方图，或者在线更新直方图。
第四个参数：const CvArr* mask:操作 mask, 确定输入图像的哪个象素被计数 函数 cvCalcHist 计算单通道或多通道图像的直方图。 用来增加直方块的数组元素可从相应输入图 像的同样位置提取。
4、CVAPI(CvHistogram*) cvCreateHist( int dims, int* sizes, int type,
float** ranges CV_DEFAULT(NULL),
int uniform CV_DEFAULT(1));
由第3个函数可知，我们想要计算直方图，必须有一个直方图指针，那么我们得先用cvCreatHist()创建一个直方图指针；
第一个参数：dim是表示几维空间，即一般彩色图像是3通道的，dim=3；而灰度图是1通道的，dim=1
第二个参数：sizes如果想在图像中生成255个区间，那么设sizes=10
第三个参数：直方图的表示格式: CV_HIST_ARRAY 意味着直方图数据表示为多维密集数组 CvMatND; CV_HIST_TREE 意味着直方图数据表示为多维稀疏数组 CvSparseMat.
第四个参数： 图中方块范围的数组. 它的内容取决于参数 uniform 的值。这个范围的用处是确定何时计算直方图或决定反向映射（backprojected ），每个方块对应于输入图像的哪个/哪组值。 图像若为IPL_DEPTH_8U，即深度为8，则设成255比较合适，若深度为8位的图像ranges设为0-255，则图像上的像素点都会统计在0~255中（即第一个直方图方块中）。
第五个参数：归一化标识。 如果不为0，则ranges[i]（0<=i<cDims，译者注：cDims为直方图的维数，对于灰度图为1，彩色图为3）是包含两个元素的范围数组，包括直方图第i维的上界和下界。在第i维上的整个区域 [lower,upper]被分割成 dims[i] 个相等的块（译者注：dims[i]表示直方图第i维的块数），这些块用来确定输入象素的第 i 个值（译者注：对于彩色图像，i确定R, G,或者B）的对应的块；如果为0，则ranges[i]是包含dims[i]+1个元素的范围数组，包括lower0,
upper0, lower1, upper1 == lower2, ..., upperdims[i]-1, 其中lowerj 和upperj分别是直方图第i维上第 j 个方块的上下界（针对输入象素的第 i 个值）。任何情况下，输入值如果超出了一个直方块所指定的范围外，都不会被 cvCalcHist 计数，而且会被函数 cvCalcBackProject 置零。函数 cvCreateHist 创建一个指定尺寸的直方图，并且返回创建的直方图的指针。 如果数组的 ranges 是 0, 则直方块的范围必须由函数
cvSetHistBinRanges 稍后指定。虽然 cvCalcHist 和 cvCalcBackProject 可以处理 8-比特图像而无需设置任何直方块的范围，但它们都被假设等分 0..255 之间的空间。
5、CVAPI(void) cvRectangle( CvArr* img, CvPoint pt1, CvPoint pt2,
CvScalar color, int thickness CV_DEFAULT(1),
int line_type CV_DEFAULT(8),
int shift CV_DEFAULT(0));
函数功能：通过对角线上的两个顶点绘制简单、指定粗细或者带填充的矩形。因为我们想要将直方图绘制出来，所以选用了矩形绘制函数。
参数介绍：
第一个参数：img -- 图像.
第二个参数：pt1 -- 矩形的一个顶点。
第三个参数：pt2 -- 矩形对角线上的另一个顶点
第四个参数：color -- 线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）。
第五个参数：thickness -- 组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形。
第六个参数：line_type -- 线条的类型。见cvLine的描述
第七个参数：shift -- 坐标点的小数点位数。
第八个参数：CvSize cvSize(int height,int width)
6、CVAPI(void) cvGetMinMaxHistValue( const CvHistogram* hist,
float* min_value, float* max_value,
int* min_idx CV_DEFAULT(NULL),
int* max_idx CV_DEFAULT(NULL));
函数功能：发现最大和最小直方块
参数介绍：
第一个参数：hist 直方图
第二个参数：min_value 直方图最小值的指针
第三个参数：max_value 直方图最大值的指针
第四个参数：min_idx 数组中最小坐标的指针
第五个参数：max_idx 数组中最大坐标的指针
函数 cvGetMinMaxHistValue 发现最大和最小直方块以及它们的位置。任何输出变量都是可选的。在具有同样值几个极值中，返回具有最小下标索引（以字母排列顺序定）的那一个。
7、cvQueryHistValue_1D( hist, idx0 )
函数功能：访问直方图元素，与cvGetReal2d功能是一样的。
好了，将所需要的函数已经全部介绍完毕，下面贴出经过验证的示例代码：
注意：此例程还未进行优化，绘制直方图部分的代码有些重复，应将其进行简化为一个函数调用。但是对于新手来说，可能这种方式比较容易理解。
#include<cv.h>
#include<highgui.h>
#include<iostream>
using namespace std;
void main()
{
IplImage* pSrcImage, *pGrayImage, *pGrayImageEqualizeHist;
pSrcImage = cvLoadImage("E:\\f\\图像处理图片\\equalizeHist1.jpg");
pGrayImage = cvCreateImage(cvGetSize(pSrcImage), pSrcImage->depth, 1);
pGrayImageEqualizeHist = cvCreateImage(cvGetSize(pSrcImage), pSrcImage->depth, 1);
cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
cvEqualizeHist(pGrayImage, pGrayImageEqualizeHist);
int size = 256;
float ranges[] = { 0, 256 };
float *pfRanges[] = { ranges };
float max_value = 0;
CvHistogram* originalPictureHist = cvCreateHist(1, &size, CV_HIST_ARRAY, pfRanges);
cvCalcHist(&pGrayImage, originalPictureHist);
IplImage* originalPictureHistImage = cvCreateImage(cvSize(510, 150), 8, 1);
cvRectangle(originalPictureHistImage, cvPoint(0, 0), cvPoint(originalPictureHistImage->width, originalPictureHistImage->height), CV_RGB(255, 255, 255));
cvGetMinMaxHistValue(originalPictureHist, NULL, &max_value, 0, 0);
for (int i = 0; i < 255; i++)
{
float fHistValue = cvQueryHistValue_1D(originalPictureHist, i);
int realHeight = cvRound(fHistValue * 150 / max_value);
cvRectangle(originalPictureHistImage, cvPoint(i * 2, 150 - 1), cvPoint((i + 1) * 2 - 1, 150 - realHeight),cvScalar(i,0,0,0),CV_FILLED);
}
CvHistogram* pGrayImageHist = cvCreateHist(1, &size, CV_HIST_ARRAY, pfRanges);
cvCalcHist(&pGrayImageEqualizeHist, pGrayImageHist);
IplImage* equalizeHistImage = cvCreateImage(cvSize(500, 150), pGrayImageEqualizeHist->depth, 1);
float hist_max_value = 0;
cvGetMinMaxHistValue(pGrayImageHist, NULL, &hist_max_value, 0, 0);
for (int i = 0; i < 255; i++)
{
float value = cvQueryHistValue_1D(pGrayImageHist, i);
int realHeight = cvRound(value * 150 / hist_max_value);
cvRectangle(equalizeHistImage, cvPoint(i * 2, 150 - 1), cvPoint((i + 1) * 2 - 1, 150 - realHeight), cvScalar(i, 0, 0, 0), CV_FILLED);
}
cvSaveImage("E:\\f\\图像处理图片\\originalHist.jpg", originalPictureHistImage);
cvSaveImage("E:\\f\\图像处理图片\\afterEqualizeHist.jpg", equalizeHistImage);
cvShowImage("originalPicture", pSrcImage);
cvShowImage("histImage", equalizeHistImage);
cvShowImage("originalHist", originalPictureHistImage);
cvShowImage("equalizeHistPicture", pGrayImageEqualizeHist);
cvWaitKey(0);
//自己释放图像空间的函数；
}
结果显示如下：
原图像及直方图：
经直方图均衡化之后的结果图像及直方图：
