直方图匹配的原理

今天，重读了《遥感原理与应用》，发现里面写的影像辐射增强方法十分详细，且通俗简单。说到直方图匹配，其原理与直方图均衡化十分相似，如下：

直方图均衡化的定义：将随机分布的直方图修改为均匀分布的直方图，其实质是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。

实现方法：

1.需要已知图像均衡化后的灰度级m

2.计算原影像的累计直方图，将累计直方图平均分成m份

3.找到每份m的对应阈值，建立查找表

4.对原影像进行合并

效果：

1.频率较小的灰度级被合并，而频率大的灰度级被保留

2.各灰度级所占图像的面积近似相等，因为某些灰度级出现高的像素不可能被分割

3.如果输出数据分段级较小，则会产生一个初步分类的视觉效果。

拓展：

有了直方图均衡化的知识，我们就知道了直方图匹配、直方图正态化了，无非变化的就是目标直方图而已。只要知道目标直方图，我们就可以利用原图的累积直方图，反求阈值点，进而变换原直方图。