图像直方图均衡化

上图是图像直方图均衡化的伪代码，下面根据伪代码解释均衡化的运算过程。一幅图像中每一个像素级所占的比例各不相同，因此导致视觉上不是很均衡。因此需要有一种方法将不同的像素级调整为所占比例大致一致，最好是每一个像素级占比例是一样的。而所占比例是一个概率问题，也就是说希望变化之后得到的每一个新的像素级别概率是一样的，或者说概率密度函数一样。按照数字图像处理中的老套路，先从连续变化进行推导，对于连续变化的像素级别而言。就是S=T(r)之后，每一个Sk的概率密度函数都是一样的，其中S是变换之后的像素值，而r是原来的像素值，T是一个变换函数。其中T转换函数必须满足下面两个条件：

1 T（r）在r的定义域空间内是一个单值单调递增函数；

2 r的取值范围和S的取值范围是一样的，都在[0，1]中

第一个条件保证，r和S具备一一映射关系，否则可能出现某一范围内的像素值颠倒顺序；第二个条件保证S和r都可以作为一个概率。假设存在r的概率密度函数Pr以及S的概率密度函数Ps，则Ps和Pr之间存在下列关系:Ps=Pr*|ds/dr|。

假设函数T为对Pr求概率，则ds/dr=Pr，因此有Ps=1；也就是得到上面要求各个密度级别存在的概率一致的条件。

根据连续的概率密度级别来求离散的概率可以知道，Pr=Nr/N；而Sk则为前k个Pr的累积，这样得到的才是区域内的概率。其中N为伪代码中的number，而sum则是累加过程，rang则是新的像素级别的映射范围。