直方图均衡化原理与实现

直方图均衡化是一种增强图像对比度常用的一种方式，主要思想是将图像的直方图分布映射为近似均匀分布，从而增强图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布（均衡）的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强图像整体对比度的效果。

直方图均衡化原理

原理介绍

对于一幅图像，我们用$r$ 表示待处理的图像图像灰度级，假设$r$ 的取值区间是$[0,L-1]$, $r$ 代表图像的256个灰度级。$r$满足如下关系式：
$$s=T(r),0<r<L-1$$
其满足以下条件：
（a） $T(r)$在区间$0<r<L-1$ 为单调递增函数
（b） 当$0<L-1$ 时， $0<T(r)<L-1$
条件（a）中要求$T(r)$为单调递增函数是为了保证输出灰度值不少于相应的输入灰度值，防止灰度反变换时产生人为缺陷。条件（b）保证输入灰度的范围和输出灰度的范围相同。
直方图均衡化的目的就是求 $T(r)$的函数表达式。
对于连续的情况：
$$s=T(r)={\int }_0^r{p}_r(r)\mathrm{d}r$$
对于离散的情况：
$$s_k=T(r_k)=\sum _{i=0}^k{p}_r(r_i)=\sum _{i=0}^k\frac{n_i}{N}$$

计算步骤

① 统计每个灰度级像素个数
② 计算累积概率密度函数
③ 根据累积概率密度求灰度映射表
④ 根据映射表计算映射后的灰度值

代码实现

代码实现如下：

// src：src image data
// dst：dst image data
// height: image height
// width: image width
void equalizeHist(unsigned char* src, unsigned char*dst, int &height, int &width)
{
	const int hist_sz = 256;
	int hist[hist_sz] = { 0, };
	int lut[hist_sz];
	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
			hist[src[i*width + j]]++;
	}

	int i = 0;
	while (!hist[i])
		i++;

	int total = width * height;
	if (hist[i] == total)
	{
		//原始图像只有一个灰度级
		std::for_each(dst, dst + total, [i](unsigned char& value) { value = i; });
		return;
	}
	float scale = (hist_sz - 1.f) / (total - hist[i]);
	int sum = 0;
	//将第一个灰度级置为0
	for (lut[i++] = 0; i < hist_sz; i++)
	{
		sum += hist[i];
		lut[i] = static_cast<unsigned char>(sum * scale + 0.5f);
	}
	for (int y = 0; y < height; ++y) {
		for (int x = 0; x < width; ++x) {
			dst[y * width + x] = static_cast<unsigned char>(lut[src[y * width + x]]);
		}
	}
}

处理结果：

处理的结果和opencv函数接口cv::equalizeHist的结果一致。

参考文献：

1. Rafael C. Gonzalez, Richard E. Woods，Digital Image Processing (Third Edition)
2. 直方图均衡化博客

感兴趣的同学可以了解下Cuda实现直方图均衡化 ，有具体的代码实现。