直方图均衡化的算法和代码

直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。

第一步：

    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
          n[s[i][j]]++;
       }
    }

    for(i=0;i<L;i++){

        p[i]=n[i]/(width*height);

    }

    这里，n[i]表示的是灰度级为i的像素的个数，L表示的是最大灰度级，width和height分别表示的是原始图像的宽度和高度，所以，p[i]表示的就是灰度级为i的像素在整幅图像中出现的概率(其实就是p[]这个数组存储的就是这幅图像的归一化之后的直方图)。

第二步：

    for(i=0;i<=L;i++){
       for(j=0;j<=i;j++){
          c[i]+=p[j];
       }
    }

    c[]这个数组存储的就是累计的归一化直方图。

第三步：

    max=min=s[0][0];
    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
           if(max<s[i][j]){

               max=s[i][j];

           }else if(min>s[i][j]){

               min=s[i][j];

           }
       }
    }

    找出像素的最大值和最小值。

    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
          t[i][j]=c[s[i][j]]*(max-min)+min;
      }
    }

    t[][]就是最终直方图均衡化之后的结果。

    处理前的图片：

   

    处理后的图片：

  

   对于彩色的图片来说，直方图均衡化一般不能直接对R、G、B三个分量分别进行上述的操作，而要将RGB转换成HSV来对V分量进行直方图均衡化的操作。RGB和HSV相互转换的方法请见我的另一篇文章，方法已经封装成了一个函数（不是我封装的，哈哈），各位可以直接拿去用。

   参考文献：

   http://zh.wikipedia.org/wiki/%E7%9B%B4%E6%96%B9%E5%9B%BE%E5%9D%87%E8%A1%A1%E5%8C%96