直方图均衡化

直方图均衡化的作用是图像增强。

有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。

第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。直方图均衡化过程中，映射方法是

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：

映射后的图像如下所示：

以上就是直方图映射均衡化的步骤，当然还有一些基于此的更优算法，比如Photoshop中的方法，在此就不一一列举了，大同小异。

参考：

http://blog.csdn.net/zrongh/article/details/7302816               直方图均衡化原理

http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM     直方图均衡化

项目中遇到要直方图均衡化，在网上找到如下介绍：

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。