图像处理之----直方图处理

在图像处理中，直方图处理包含两种方法：直方图均衡和直方图匹配；接下来将分别对这两种方法进行介绍。
在介绍之前先说一下，直方图处理在图像处理中是用来干什么的：直方图操作主要用于图像增强。

直方图均衡

图像均衡的目的是提高图像的对比度，一般来说图像服从均匀分布的时候图像的熵最大，进而对比度最大。故可以考虑找到图像灰度值的一个映射关系使得图像映射后的直方图满足均匀分布。同时这个映射关系必须满足以下关系：

• 映射前后的像素的亮暗关系不能变，即较亮的部分依旧为较亮，较暗的依旧为较暗，绝对不能颠倒亮暗关系。下面是违反这一规则的例子：假设变换前后灰度值为x,y，两者映射关系为y=255-x。可以发现，该变换使得灰度值亮的变暗了，暗的变亮了，
• 如果图像是8位图像，则映射前后的灰度值应该都在0-255之间，如果图像位数为n,则应该在0-2^n-1之间。

直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。
直方图均衡化方法的基本思想是对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。

具体实现方法

理论基础：
对于离散值，我们处理其概率（直方图值）与求和来替代处理概率密度函数与积分。一副图像中灰度级

其中，MN图像中像素的总数,nk是灰度为rk的像素个数，L是图像中灰度级的数量。由rk直方图均衡化的转换公式如下：

直方图实现实例：

直方图匹配

从上面可以看出，直方图的均衡化自动的确定了变换函数，可以很方便的得到变换后的图像，但是在有些应用中这种自动的增强并不是最好的方法。有时候，需要图像具有某一特定的直方图形状（也就是灰度分布），而不是均匀分布的直方图，这时候可以使用直方图规定化。