Histogram Equalization

最新推荐文章于 2024-11-10 13:05:19 发布

Ayooi

最新推荐文章于 2024-11-10 13:05:19 发布

阅读量4.8k

点赞数

分类专栏：计算机视觉文章标签：直方图均衡化原理推导限制对比度直方图均衡化局部自适应直方图均衡化

本文链接：https://blog.csdn.net/qq_38131594/article/details/80722928

版权

直方图均衡化是一种图像处理技术，用于提高图像对比度。通过改变像素灰度值，扩展灰度级动态范围，使图像清晰度增强。推导过程中，通过寻找累积分布函数实现像素值的非线性拉伸。对比度限制的直方图均衡化（CLHE）解决了概率过高导致的像素值跳跃问题，而自适应直方图均衡化（AHE）则实现了局部对比度增强，避免亮度不连续。文章还提供了HE、CLHE、AHE的代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

直方图均衡化（HE）：

“ 如果一副图像的像素占有很多的灰度级而且分布均匀，那么这样的图像往往有高对比度和多变的灰度色调。直方图均衡化就是一种能仅靠输入图像直方图信息自动达到这种效果的变换函数。它的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像元取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。 ”【来源】

如上图，左图为原图像和其对应的直方图分布，右图为经过直方图均衡化之后的结果图像和其对应的直方图分布；由于左图的直方图集中分布在100-200的区域，图像对比度较低，所利用的灰度级较少，整体图像比较模糊。直方图均衡化的目标就是对图像进行非线性拉伸，增强像素灰度值的动态范围，从而达到增强对比度的目的，使图像可以更细致的利用整个灰度级区间。