因为使用的摄像头图像质量很差，不能直接用做分割等后续的处理，需要根据直方图进行图像增强，OPENCV没有现成的方法，只有自己想办法了。 参考了网上文章.原理就是利用直方图统计分布，将图像灰度的域值拉伸到0-255，原来网上的代码有些问题，而且是使用bmp的，我就改成了IplImage了，于是在OPENCV实现了这个功能，感觉效果不错，可以看到昏暗的图像可以增强的很好。

结果如下：

代码如下，

WW_RETURN HumanMotion::ImageStretchByHistogram(IplImage *src,IplImage *dst) 
/************************************************* 
  Function:         
  Description:     因为摄像头图像质量差，需要根据直方图进行图像增强， 
                   将图像灰度的域值拉伸到0-255 
  Calls:           
  Called By:       
  Input:           单通道灰度图像                   
  Output:          同样大小的单通道灰度图像  
  Return:           
  Others:           http://www.xiaozhou.net/ReadNews.asp?NewsID=771 
  DATE:               2007-1-5 
*************************************************/ 
{ 
    //p[]存放图像各个灰度级的出现概率； 
    //p1[]存放各个灰度级之前的概率和，用于直方图变换； 
    //num[]存放图象各个灰度级出现的次数; 
 
    assert(src->width==dst->width); 
     
    float p[256],p1[256],num[256]; 
    //清空三个数组 
    memset(p,0,sizeof(p)); 
    memset(p1,0,sizeof(p1)); 
    memset(num,0,sizeof(num)); 
 
    int height=src->height; 
    int width=src->width; 
    long wMulh = height * width; 
 
    //求存放图象各个灰度级出现的次数 
    // to do use openmp 
    for(int x=0;x<width;x++) 
    { 
        for(int y=0;y<height;y++) 
        { 
            uchar v=((uchar*)(src->imageData + src->widthStep*y))[x]; 
            num[v]++; 
        } 
    } 
 
    //求存放图像各个灰度级的出现概率 
    for(int i=0;i<256;i++) 
    { 
        p[i]=num[i]/wMulh; 
    } 
 
    //求存放各个灰度级之前的概率和 
    for(int i=0;i<256;i++) 
    { 
        for(int k=0;k<=i;k++) 
            p1[i]+=p[k]; 
    } 
 
    //直方图变换 
    // to do use openmp 
    for(int x=0;x<width;x++) 
    { 
        for(int y=0;y<height;y++) 
        { 
            uchar v=((uchar*)(src->imageData + src->widthStep*y))[x]; 
            ((uchar*)(dst->imageData + dst->widthStep*y))[x]= p1[v]*255+0.5;             
        } 
    } 
    return WW_OK; 
}