直方图学习

直方图均衡化（Histogram Equalization）是一种用于增强图像对比度的图像处理技术，通过重新分配图像的像素值，使图像中的亮度级别更加均匀，以改善图像的视觉质量。下面是进行直方图均衡化的一般步骤：

1. 计算原始图像的直方图：首先，计算原始图像的灰度直方图，以了解不同亮度级别的像素数量分布。

2. 计算累积分布函数（CDF）：对于每个亮度级别，计算其累积分布函数（CDF），这是一个表示在该亮度级别以下像素数量累积的函数。CDF可以通过对灰度直方图进行累积求和来计算。

3. 归一化CDF：将CDF的值归一化到0, 255的范围内。这可以通过以下公式来实现：

   CDF_normalized = (CDF - min(CDF)) / (M * N - 1) * 255

   其中，M 和 N 是图像的宽度和高度。

4. 映射像素值：对于原始图像中的每个像素，将其亮度级别映射到归一化的CDF值。具体地，用归一化CDF值替换原始像素值。

5. 生成均衡化后的图像：将所有像素的亮度级别替换后，生成均衡化后的图像。

下面是一个Python示例，演示如何使用OpenCV库进行直方图均衡化：

pythonCopy code

import cv2 # 读取原始图像 image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) # 计算直方图 hist = cv2.calcHist([image], [0], None, [256], [0, 256]) # 计算累积分布函数 cdf = hist.cumsum() # 归一化CDF cdf_normalized = cdf * 255 / cdf[-1] # 映射像素值 equalized_image = cdf_normalized[image] # 保存均衡化后的图像 cv2.imwrite('output.jpg', equalized_image)