【计算机视觉】从图形角度理解直方图均衡化过程

上课的时候很不理解为什么累积分布函数可以实现均衡化，百度了很久终于搞懂了，记录一下自己的理解，希望能帮到以后的人

下面没有数学公式推导，希望能帮大家能从图形的角度去理解直方图均衡化的过程
（电脑作图太麻烦了，我直接手画，请谅解哈哈）

直方图均衡化过程

首先，先摆出直方图均衡化的计算过程

1. 得到原始图片的灰度直方图
2. 得到各个灰度级对应的概率密度函数
3. 通过概率密度函数得到累积分布函数
4. 累计分布函数乘以255，得到每一个灰度级对应的新的灰度
5. 通过第4步的结果，将旧灰度映射得到新的灰度，即更新整张图片的灰度

要解决的问题

为什么直方图均衡化要用到累积分布函数

直方图想要实现的效果

下面两张图，左上角是原图（对，原本就是灰色的），右上角是经过直方图均衡化处理后的结果，可以发现区别在于：原图比较暗，处理后的图片对比度更强

没错！直方图均衡化做的就是这样一件事情，调整图片的对比度，而要实现这个目标，实际上就是使得图片的亮暗程度增加，因此需要引入灰度直方图（也就是左下角和右下角的直方图）

灰度范围是[0，255]，当为1时，像素的灰度为1时，该像素点为黑色；像素的灰度为0时，该像素点为白色。
所谓的灰度直方图，就是统计图片中所有的像素点在各个灰度级的个数分别为多少，

例如，一张图片有总共有9个像素点，灰度为1的有1个像素点，灰度为2的有2个像素点，灰度为3的有3个像素点，灰度为4的有2个像素点，灰度为5的有1个像素点，那么这张图片的灰度直方图应该如下图所示：

如果图片的亮暗程度增加，那就应该扩展灰度范围，因为可能有些图片灰度范围不大，只有[100,200]，或者也可能虽然灰度范围大，但主要的像素点都集中在某一个灰度上，不均匀
我们还是回到一开始的图片，对比两个直方图，可以发现均衡化的直方图蓝色向两边扩散，说明有一下一些像素点的灰度发生了变化，更具体的原因：

1. 灰度低的像素点变多了；
2. 灰度高的像素点变多了；
3. 中间原本集中的点，被分散到了其他灰度。

这三个点很重要后面会用到！

由上述得，只要我们能够找到这样的一个函数，使得旧的灰度直方图发生以上三个变化，那么也就实现对比度的增强

概率密度函数、累积分布函数

首先简单介绍下概率密度函数和累积分布函数
概率密度函数，其实就是我们通常所说的概率，在上面的例子中，总共像素点9个，灰度1的像素点只有1个，因此灰度1的概率密度是1/9，同理可得灰度为2、3、4、5各自的概率密度分别为2/9、3/9、2/9、1/9

可以发现，其实概率密度函数是和个数相关的，所以