直方图均衡 视觉显著_直方图均衡化

直方图均衡化的介绍

直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布（均衡）的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强图像整体对比度的效果。换言之，直方图均衡化的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并，从而增大对比度，使图像清晰，达到增强的目的。举个例子，如图1所示，左图为原始图像，右图为直方图均衡化后的图像。

直方图的概念

对一幅灰度图像，其直方图反映了该图像中不同灰度级出现的统计情况。图2给出了一个直方图的示例，其中图(a)是一幅图像，其灰度直方图可表示为图(b)，其中横轴表示图像的各灰度级，纵轴表示图像中各灰度级像素的个数。（需要注意，灰度直方图表示了在图像中各个单独灰度级的分布，而图像对比度则取决于相邻近像素之间灰度级的关系。）

图 3 灰度图像及其直方图

严格地说，图像的灰度直方图是一个一维的离散函数，可写成：

式中，nk是图像中灰度级为f(x,y)的像素的个数。直方图的每一列（称为bin）的高度对应

。直方图提供了原图中各种灰度值分布的情况，也可以说直方图给出了一幅图像所有灰度值的整体描述。直方图的均值和方差也是图像灰度的均值和方差。图像的视觉效果与其直方图有对应关系，或者说，直方图的形状和改变对图像有很大的影响。

在直方图的基础上，进一步定义归一化的直方图为灰度级出现的相对频率Pr(k)。即：

式中，N表示图像f(x,y)的像素的总数，nk是图像中灰度级为f(x,y)的像素的个数。我们以图1中左图为例，计算其归一化的直方图，结果如图4所示。

图 4 灰度图像及其归一化直方图

直方图均衡化的理论基础

为讨论方便起见，以 r 和 s 分别表示归一化了的原图像灰度和经直方图均衡化后的图像灰度（因为归一化了，所以 r 和 s 的取值在0到1之间）。当 r = s = 0时，表示黑色；当 r = s = 1时，表示白色；当 r, s ∈(0, 1)时，表示像素灰度在黑白之间变化。（所谓直方图均衡化，其实是根据直方图对像素点的灰度值进行变换，属于点操作范围。换言之，即：已知r，求其对应的s。）

在 [0,1] 区间内的任何一个 r ，经变换函数 T(r) 都可以产生一个对应的 s ，且

（公式3）

式中，T(r) 应当满足以下两个条件：

1. 在 0 ≤ r ≤ 1 内，T(r) 为单调递增函数；（此条件保证了均衡化后图像的灰度级从黑到白的次序不变）
2. 在 0 ≤ r ≤ 1 内有 0 ≤ T(r) ≤ 1。（此条件保证了均衡化后图像的像素灰度值在允许的范围内）

公式3的逆变换关系为：

（公式4）

式中，

对 s 同样满足上述的两个条件。