python直方图规定化_OpenCV 直方图处理：直方图均衡和规定化（匹配）

灰度直方图是图像中像素灰度集的一种统计反应。它能够描述图像中灰度的分布情况，直观地展现出图像中灰度所占多少。直方图横轴表示像素的灰度范围(比如说 0~255)，纵轴表示的是像素的数量或者密度。亮暗、对比度、图像中的内容不同，直方图的表现也会不同。本文主要参考《冈萨雷斯》一书。

灰度直方图

1.直方图均衡

有的图像的灰度分布不均匀，出现过亮过暗，或者对比度过低的情况，这样的图像细节不明显，在肉眼观察时会丢失一些信息。这时可以使用直方图均衡技术对图像进行变换，变成肉眼易于分辨的细节分明的图像。

直方图均衡的目标

要对直方图进行均衡，首先要通过统计得到原图像的直方图，然后通过下面这个神奇的公式，对灰度值进行变换。其中 r 是输入像素的灰度，函数 T 表示一种变换，s 是输出像素的灰度，pr 是原图像灰度的PDF(概率密度函数)。至于这个公式怎么来的，《冈萨雷斯》一书上貌似并没有讲清楚，但其实可以通过直觉来理解。

直方图均衡公式

图像是离散的，所以实际中使用的是离散形式

离散形式

那么使用上面的公式，就可以将直方图变换成这个样子，这样的图像一般具有比较好的细节表现。

ps是输出图像的PDF(其实也可以理解为直方图)举个书上的栗子就很好理解了

2.直方图匹配(规定化)

一般来说，直方图均衡能够自动地确定变换函数，且输出结果比较好，当时需要自动增强时是一种好方法。但有的情况下，使用直方图均衡并不是最好的办法。有时候我们可以指定特定的直方图，而不是均匀分布的直方图，并让原图像的直方图变换成我们指定的形式。这个过程称为直方图匹配或者直方图规定化。

在推导过程中，直方图规定化的过程如下：

1.对原图像进行直方图均衡。和上面一样。