图像直方图相关总结

主要讨论直方图均衡化、直方图规定化（匹配）、局部直方图、限制对比度自适应直方图均衡化（CLAHE）、基于直方图统计的图像增强

1. 直方图均衡化

基本思想是：尽可能的使每个灰度级的像素数量相等

图1-1. 直方图均衡化的效果（截自《数字图像处理》）

从上图可以看到，直方图均衡化的作用是：使图像灰度级跨越更宽的灰度级范围，从而提高图像对比度

直方图均衡化的另一个优势是：不需要额外参数，整个过程是自动的

直方图均衡化的缺点是：拉伸后有些灰度级可能不被映射到，造成图像观感上的颗粒感

算法步骤：

1）计算图像灰度直方图，并进行归一化（除以总像素数）

2）计算归一化直方图的累积直方图 fHist[ L-1 ]

3）对原始图灰度S，变换后的灰度D = fHist[S] * (L-1)

代码：

void equalizeHist(byte* pBuffer, byte* out, int height, int width)
{
	//假定为8位图像
	int hist[256] = { 0 };

	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
		{
			byte* pNow = pBuffer + i * width + j;
			hist[int(*pNow)]++;
		}
	}

	float fHist[256] = { 0 };
	float len = height*width;
	for (int i = 0; i < 256; i++)
		fHist[i] = hist[i] / len;

	for (int i = 1; i < 256; i++)
		fHist[i] = fHist[i - 1] + fHist[i];

	for (int i = 0; i < height; i++)
	{
		for (int j = 0; j < width; j++)
		{
			byte* pNow = pBuffer + i * width + j;
			out[i*width+j]= int(fHist[int(*pNow)] * 255 + 0.5);
		}
	}
}

2. 直方图规定化（匹配）

直方图均