图像处理中的直方图与均衡化

转自博客 https://www.csdn.net/gather_2e/MtjaMg3sNDQwMC1ibG9n.html

1.什么是直方图(histogram)

在统计学中，直方图(Histogram)是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。一般来说用横轴表示数据类型，纵轴表示分布情况。
直方图是数值数据分布的精确图形表示。 这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。 为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。
直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个案例的比例，其高度等于1。

2.图像处理中的直方图与直方图均衡化

在图像处理中，直方图是非常重要，也非常有用的一个处理要素。
一般来说图像直方图的横轴表示亮度，从左到右表示亮度从低到高。直方图的纵轴表示像素数量，从下到上表示像素从少到多。直方图在某个亮度区间的凸起越高，就表示在这个亮度区间内的像素越多。比如这个直方图的凸起就主要集中在左侧，也就是说这张照片的亮度整体偏低。

而直方图均衡则是图像对比增强的一种常用方法。一般来说，图像对比增强的方法分为两大类：一种是直接对比度增强，另外一种是间接对比度增强。直方图拉伸与直方图均衡化就是两种最常见的间接对比度增强的方法。直方图均衡化的基本思想就是把原始图像的灰度直方图从比较集中的某个灰度区间变成全部灰度范围内的均匀分布，具体的做法就是通过对图像进行非线性拉伸，重新分配图像的像素值，使一定灰度范围内的像素数量大致相同。

直方图均衡化优点：
1.均衡化后的图像明暗对比更明显。亮的地方更亮，暗的地方更暗，拉开了差距。
2.直方图被均匀分开。
3.增大图像的信息量。

直方图均衡化缺点：
1.变换后图像的灰度级减少，某些细节消失；
2.某些图像，如直方图有高峰，经处理后对比度不自然的过分增强

原理简介

那么什么是直方图呢？你可以将直方图视为图形或绘图，从而为你提供有关图像强度分布的总体思路。它是X轴上的像素值(范围从0到255，并非总是)和Y轴上图像中相应像素数量的绘图。

这只是理解图像的一种方式。通过查看图像的直方图，你可以直观了解该图像的对比度、亮度强度分布等。现在几乎所有的图像处理工具都提供了直方图上的特征。以下是来自Cambridge in Color网站的图片，我建议你访问该网站了解更多详情。