图像处理基础01-直方图均衡化的推导和编程实现

1 简介

• 直方图均衡化是将图像转化为另一幅图像，转化后图像像素值的分布更接近均匀分布。原本图像的像素值（灰度值）可能集中在某一区域，这样我们看到的图像其实是比较模糊的，灰度没有层次感。直方图均衡化能够增加图像灰度值的动态范围，从而达到增强图像对比度的目的，使图像看起来更清晰。
• 直方图均衡属于空域图像增强，但并没有考虑图像的空间信息。但是又能得到很好的视觉效果，很有意思。
• 直方图相同时，图像不一定相同。一个典型例子就是图像翻转后，直方图相同，但图像不同。

2 推导

• 首先明确我们的目的是得到一个变换关系来对图像进行变换，具体为对所有值为r的像素点，将r改为s：
  $$s=T(r)$$
  通过变换，改变了每种灰度级的个数，变换后图像的灰度级符合均匀分布。
• 冈萨雷斯的书里给了几个公式，但没有推导过程，直接给出了$T(r)$ 的公式(书中的式3.3-4)，并做了证明，证明使用(3.3-4)变换后的图像，灰度级符合均匀分布。其实根据证明过程也可以知道$T(r)$ 是如何得出的。
• 那么$T(r)$ 是如何得出的？ 用$p_r(r)$和$p_s(s)$ 表示r和s的概率密度(PDF)，则有以下性质(3.3-3)：
  $$p_s(s)ds=p_r(r)dr$$
  $p_s(s)ds$的意义是区间 ( s , s +