直方图均衡化推导整理

看了几篇别人的博客，不是图像有问题，就是讲的不清晰（自己知识面不够），所以整理一下。
话不多说，直接进行推导，图像什么的我就不放了。

设随机变量$x,y$为均衡化前后的值，由$y=T(x)$。
$p(x),p(y)$为$x,y$的概率密度函数。其中，$p(x)=\frac{n_k}{N}$，$n_k代表某一像素值的个数，N代表图片的像素个数$，显然$p(x)$是已知的。
由统计观察可以知道，要使图像的对比度强烈，感官更好，其直方图应该是更加均匀，理想条件下应该是一条直线。那么其各级概率分布就是$\frac{1}{L-1},L=256$，所以$p(y)=\frac{1}{L-1}$。
那么这个问题就变成了已知$p(x),p(y)，求T(x)$。

由于图像的分布函数是离散的，我们暂不做考虑，假设其是连续的。
下面复习一下概率论的知识：

已知$p(x),x和y的函数为T(x),求p(y)$。
设X有概率密度函数$f(x)$，$Y=g(x)$，$g$单调增加，且可到，则其反函数$X=h(y)$存在。
任取 $y$ 有
$P(Y\le y)=P(g(x)\le y)=P(x\le h(y))={\int }_{-\infty }^{h(y)}f(t)dt$
(这一串要好好理解，不懂的翻翻书，做两道题就懂了)

然后做一下变换，该替换的替换掉。
$F(y)=P(g(x)\le y)=F(x)={\int }_{-\infty }^{T^{-1}(y)}f(t)dt$

对上式进行求导得：
$f(y)=f(T^{-1}(y)\ast \frac{d[T^{-1}(y)]}{dy})=f(x)\ast \frac{dx}{dy}$
（这里的变换也要好好理解下，就是把符号变了变）

再继续变换符号
$p(y)=p(x)\ast \frac{dx}{dy}$

带入已知的值
$\frac{1}{L-1}=\frac{n_k}{N}\ast \frac{dx}{d[T(x)]}$

整理后可得：
$d[T(x)]=\frac{n_k(L-1)}{N}\ast dx$
对两边进行积分，因为图像函数并不是连续的，所以积分只是各级求和

$T(x)=\frac{L-1}{N}{\sum }_{i=0}^k{n}_i$
到此，推导结束。主要还是几个公式符号的变化可能会绕一下。

借鉴：
https://blog.csdn.net/schwein_van/article/details/84336633
https://blog.csdn.net/spongebob1234/article/details/77778709