直方图均衡化原理

原创

于 2017-12-27 10:39:58 发布 · 1.2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

直方图均衡化是一种图像增强技术，通过使用累积分布函数确保像素值映射后对比度增大且不失真。该过程保持了像素的相对亮度顺序，同时将像素值映射在0到255的范围内。公式`F(i) = n * (i - 1) / (L - 1)`用于灰度值映射，其中`n`是像素总数，`i`是当前灰度级的像素个数，`L`是灰度级总数。这种方法有效地拉伸了图像的亮度范围，提高了视觉效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

直方图均衡化的作用是图像增强。

有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。

第一个问题。均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。直方图均衡化过程中，映射方法是

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：

映射后的图像如下所示：

以上就是直方图映射均衡化的步骤，当然还有一些基于此的更优算法，比如Photoshop中的方法，在此就不一一列举了，大同小异。

下附源码：

// HistogramGrayEqualizeHist.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"

#include <iostream>
#include <opencv2/core/core.hpp>   //cvGetSize  cvCreateImage
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>  //