【图像算法】我对“直方图”的理解

数字图像处理：我对“直方图”的理解

1. 什么是直方图？
   抛开图像处理，“直方图”我们并不陌生，它是我们常用的一种数据统计方法，用于直观的观察到数据的概率分布情况。
   在《概率论与数理统计》中，对直方图这样描述：为了研究总体分布的性质，人们通过试验得到许多观察值，一般来说这些数据是杂乱无章的。为了利用它们进行统计分析，将这些数据加以整理，还常常需要借助于表格或者图形对它们加以描述。我们通过引入“频率直方图”,使得人们对总体分布有一个粗略的了解。
   
   图1 示例数据
   
   图2 该数据的直方图统计
   在图2中，很容易可观察到这90个数据的分布情况。而在图1中就显示不这么直观了。
   引用数学家华罗庚的一首打油诗，最恰当不过了。数缺形时少直观，形少数时难入微，数形结合百般好，隔离分家万事休。
   数学中,数和形是两个最主要的研究对象,它们有十分密切的联系,在一定条件下,数和形之间可以相互转化，相互渗透。
2. 数字图像与直方图统计
   一幅数字图像如下所示，放大后就是一个个像素点的灰度值。
   
   图3 数字图像与矩阵（局部放大1）
   
   图4 数字图像与矩阵（局部放大2）
   这种“横纵坐标位置对应一个数值”,在数学上有一个非常好的表达方式，那就是“矩阵”。我们在传统的图像处理中，对于机器（后处理的计算机，前端处理的相机），并不能知道这张图表现是只可爱的小猫咪，它只是图右侧“冷冰冰”的矩阵数据。
   既然是数据，那么就具有以下数字特征：数学期望、方差、标准差、直方图统计信息。
   
   图5 小猫照片的直方图统计
3. 利用直方图，能够获得什么信息？
   1）反映图像质量
   图6-9是一组图像序列。用于说明直方图可以反推图像质量。包括图像亮度和对比度两点。
   
   图6 示例3.1
   
   图7 示例3.2
   根据图6和图7对比。图6整体偏暗，图7整体偏亮。在直方图上的体现就是：图6的直方图集中在灰度值100以下；图7直方图集中在150以上。
   
   图8 示例3.3
   
   图9 示例3.4
   根据图8和图9对比。图8对比度差，较模糊，图9对比度好，目标清晰。在直方图上的体现就是：图8的直方图较窄，没有有效地利用输出动态范围；图9直方图较宽，有效地利用输出动态范围。
   一个值得思考的问题：
   直方图可以反映图像的锐度吗？答案是肯定的。留给大家思考吧。
   2）图像噪声类型分析
   这对于一张均匀图像来说，你可以统计这一个均匀图像的直观图；对于一张复杂场景图像，选取图像中均匀的小部分做直方图分析。
   
   图10 直方图统计与图像噪声分析联系
   可以观察到上图是高斯噪声干扰。
4. 利用直方图，我们能做什么？
   直方图可以作为“图像增强点处理”领域的一个重要手段。以经典的直方图均衡HE （histogram equalization）举例说明。
   
   图11 原始图像
   

图12 直方图均衡后的图像
对比原图（图11）和HE后的图像（图12），图像质量提升了，对比度加强了，图像增强了。
直方图，衍生出了很多的“变体”，比如：平台直方图HP、自适应直方图AHE、限制对比度的直方图均衡CLHE、限制对比度的自适应直方图均衡CLAHE算法等等。这些算法都各有千秋，理解其内部原理是关键，在项目中才可以做到信手拈来，灵活使用，唯我所用。

5. 总结
   直方图为我们提供了认识图像和处理图像一个很好的角度。

---

THE END~