数字图像处理基础(2)--直方图

       图像的空间域处理是一种重要的图像处理技术，这类方法直接以图像的像素操作作为基础，主要分为灰度变换和空间域滤波，直方图均衡化histogram equalization就是一种常用的灰度变换方法。

        图像直方图反映了图像像素分布的统计特性，是图像处理种简单有效的工具。本文主要包括图像直方图计算，直方图均衡和直方图规定化三个部分

图像直方图计算

        图像灰度直方图：

        P(r)=nr/(M∗N)

        上式表示每一个灰度级像素的个数与图像总像素个数的比值。图像的灰度直方图表征的是该图像的灰度分布

直方图均衡化

        图像直方图均衡采用累计分布函数：

        

        直方图均衡就是通过灰度变换函数讲原图像直方图概率密度分布改变为均匀分布的直方图

        如果一幅图像的灰度直方图几乎覆盖了中各灰度的取值方位，并且除了个别灰度值的个数较为突出，整个灰度值分布近似于均匀分布，那么这副图像就具有较大的灰度动态方位和较高的对比度，同时图像的细节更为丰富，这也是为什么要进行灰度均衡化的原因。

        仅仅依靠输入图像的直方图信息，就可以得到一个变换函数，利用该变换函数可以讲输入图像达到上述效果，该过程就是直方图均衡化。

        下面从数学的角度理解直方图均衡化。假设待处理图像为灰度图像，r表示待处理图像的灰度，取值方位为[0,L-1],则r=0表示黑色，r=L-1表示白色，直方图均衡化的过程对应于一个变换T:

                                                                                                        (1)

        也就是说，对于输入图像的某个灰度值r，可以通过变换T得到均衡化的图像对应位置的灰度值s。其中变换T满足以下条件：

        (a)T(r)在[0,L-1]上严格单调递增；

        (b)T(r)与r在相同的值域；

        条件a中要求T(r)严格单调递增是为了保证输出灰度值与输入灰度值一一对应，同时像素灰度值之间的相对大小关系不变，这样可以避免反变换时出现问题；条件b保证了输出图像的灰度范围与输入图像相同。实际中处理的图像通常使整数灰度值，必须把所有结果四舍五入为最接近的整数值。因此，当严格单调条件不满足时，使用寻找最接近整数匹配的方法解决反变换不唯一的问题

 总的来说就是这张图，RGB三通道的方法就是分别对三通道进行直方图均衡化，或者HVG