LONG lLineBytes; // 图像每行的字节数
lLineBytes = WIDTHBYTES(lWidth * 8); // 计算图像每行的字节数
// 重置计数为0
for (t = 0; t< 256; t )
{ lDegreeCount[i] = 0; }
for (t = 0;t < lHeight; t )
{for (s = 0; s< lWidth; s )/ /计算各个灰度值的计数
{ lpSource = (unsigned char *)lpDIBs lLineBytes * t s;
lDegreeCount[*(lpSource)] ; // 该灰度值的计数加1
}
}
for (t = 0; t < 256; t )// 计算灰度映射表
{ lTmp = 0; // 初始为0
for (s = 0; sj <= t ; s )
{ lTmp = lDegreeCount[s]; }
bMaptable[t] = (BYTE) (lTmp * 255 / lHeight / lWidth);// 计算灰度值新的映射表
}
for(t = 0; t < lHeight; t )// 每行
{ for(s = 0; s < lWidth; s )// 每列
{ // 指向DIB第i行，第j个象素的指针
lpSource = (unsigned char*)lpDIBs lLineBytes * (lHeight - 1 - t) s;
*lpSource = bMaptable[*lpSource]; // 根据映射表计算新的灰度值
}
}
return TRUE;
}
在程序中把打开图像、初始化DIB对象并获取指向DIB对象的指针、获取DIB对象的宽度和高度等操作放到视图类中，并将指向图像DIB象素的指针lpDIBs、图像的高DIBWidth(lpDIB)、宽DIBHeight(lpDIB)作为参数传递给Equalize()函数，这种方法能使程序的封装性和可移植性更好，体现了面向对象编程技术的优越性。
实验结果
原始Lena图像与均衡化后的Lena图像的直方图和图像效果对比如下(图1-图4)。
图中可以看出，原始Lena图像的灰度主要分布在中高灰度级上，在低灰度级上图像的像素数几乎为零。经过直方图均衡化处理后图像变的清晰了，处理后的LENA图像直方图分布更均匀，在每个灰度级上都有像素点。
结论
本文给出了一种用VC 6.0实现灰度数字图像增强处理算法的应用程序，并给出了最终对比实验结果。由于图像处理需要处理大量的图像数据，经常使用复杂、费时的算法，因此图像处理程序的效率非常重要。较之Matlab、Java、C#等其他语言来说，VC 为图像处理的相关操作提供了很大的方便，易于硬件实现，提高了运行效率。由于VC 具有的这些明显优势，采用VC 开发平台实现数字图像处理是未来的一个趋势。
图1 原始Lena图像 图2 均衡化后的Lena图像
图3 原始图像的直方图 图4 均衡化后的直方图
