【数字图像处理】直方图均衡化（含实现代码）

一、什么是直方图均衡化？

1、定义：直方图均衡化是指一幅输入图像经过点运算变化，得到一幅灰度直方图均匀分布的新图像的方法。
2、目的：使一幅输入图像转化为在每一灰度级上都有相同的像素点数（即输出的直方图是平的）。但由于数字图像的灰度级是离散并且是有限的，所以直方图均衡化的结果一般只是近似均衡的直方图，并非理想的水平直线。
3、功效：自动地增加像素灰度的分布范围，达到增强整个图像对比度的效果。
4、直方图均衡化的应用
① 提高图像的主观质量，在处理艺术图像时非常有用
② 经过直方图均衡化的图像对二值化阈值的选取十分有利
③ 有利于进行基于直方图的图像匹配

二、直方图的计算

        可以证明，图像的累计分布函数（Cumulative Distribution Function，CDF）是将直方图变换为均匀分布的转换函数，其变化公式如下所示：

        其中，D_A为输入的灰度值，D_B为输出的灰度值，D_m为最大灰度级（通常即255），A₀为像素总数（即图像的面积），H(k)为灰度值为k的直方图统计结果。H(k) / A₀即是将直方图归一化到(0, 1)之间的概率函数。我们以灰度级为8的灰度图像为例，展示直方图均衡化的计算步骤如下所示：

三、直方图均衡化的实现

        OpenCV内置了直方图均衡化的函数cv::equalizeHist(cv::InputArray src, cv::OutputArray dst)，能够对输入的灰度图像进行均衡化处理。对于彩色图像，需要将其分离成R、G、B三个通道，分别处理后再合并通道。具体实现代码如下所示，使用时只需传入一幅灰度/彩色图像