直方图均衡化

（1）概念：     

        直方图均衡化：把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

（2）优点：

        1）该方法通常用来增加图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候，通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

        2）对于背景和前景都太亮或者太暗的图像非常有用，比如对X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。

        3）它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。（3）缺点：
　　1）变换后图像的灰度级减少，某些细节消失；
　　2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。
       3）对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。

具体原理详见：博客https://blog.csdn.net/u013066730/article/details/82969768

均衡化过程中必须保障（1）像素无论怎么映射一定保持原有大小关系，较亮的区域依旧较亮，暗的区域依旧较暗，只是对比度增大。

(2)   0到1 的直方图均衡化中使用的是累积分布函数

%直方图均衡化
I = imread('rice.png');
[height,width] = size(I);
figure
subplot(221)
imshow(I)%显示原始图像
subplot(222)
imhist(I)%显示原始图像直方图
 
%进行像素灰度统计;
NumPixel = zeros(1,256);%统计各灰度数目，共256个灰度级
for i = 1:height
    for j = 1: width
        NumPixel(I(i,j) + 1) = NumPixel(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一
    end
end
%计算灰度分布密度
ProbPixel = zeros(1,256);
for i = 1:256
    ProbPixel(i) = NumPixel(i) / (height * width * 1.0);
end
%计算累计直方图分布
CumuPixel = zeros(1,256);
for i = 1:256
    if i == 1
        CumuPixel(i) = ProbPixel(i);
    else
        CumuPixel(i) = CumuPixel(i - 1) + ProbPixel(i);
    end
end
%累计分布取整
CumuPixel = uint8(255 .* CumuPixel + 0.5);
%对灰度值进行映射（均衡化）
for i = 1:height
    for j = 1: width
        I(i,j) = CumuPixel(I(i,j));
    end
end
 
subplot(223)
imshow(I)%显示原始图像
subplot(224)
imhist(I)%显示原始图像直方图