直方图均衡化原理

有些时候我们遇到图像动态范围很窄，图像中多数像素的像素值集中在某一个小区域内，整体图像过于偏暗，或者偏亮，对比度较低，直方图均衡化的目的就是拉伸整个图像的动态范围，提高图像的对比度。

效果图

对于直方图均衡化，opencv提高了可以直接调用的函数，可以很方便的得到均衡化之后的图像。

void equalizeHist(InputArray src, OutputArray dst)

虽然可以直接通过该函数得到结果，很多人还是想明白原理是怎样的，该函数主要思路如下

分为三个步骤，

第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。

第一步：

    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
          n[s[i][j]]++;
       }
    }

    for(i=0;i<L;i++){

        p[i]=n[i]/(width*height);

    }

    这里，n[i]表示的是灰度级为i的像素的个数，L表示的是最大灰度级，width和height分别表示的是原始图像的宽度和高度，所以，p[i]表示的就是灰度级为i的像素在整幅图像中出现的概率(其实就是p[]这个数组存储的就是这幅图像的归一化之后的直方图)。

第二步：

    for(i=0;i<=L;i++){
       for(j=0;j<=i;j++){
          c[i]+=p[j];
       }
    }

    c[]这个数组存储的就是累计的归一化直方图。

第三步：

    max=min=s[0][0];
    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
           if(max<s[i][j]){

               max=s[i][j];

           }else if(min>s[i][j]){

               min=s[i][j];

           }
       }
    }

    找出像素的最大值和最小值。

    for(i=0;i<height;i++){
       for(j=0;j<width;j++){
          t[i][j]=c[s[i][j]]*(max-min)+min;
      }
    }

    t[][]就是最终直方图均衡化之后的结果。