在理解直方圖均衡化的過程中，參考了一些書籍和博客，讓人困惑的是，筆者對于直方圖的理解還是停留在表面，并沒有深入理解其內涵。因此，本文擬結合圖片對直方圖的概念進行闡述，并給出其Python實現(xiàn)，最后對她背后所蘊含的一些科學思維，談談自己的一些看法。
什么是直方圖？
對于一副灰度圖像I，她的每一個像素點I(x,y)都有一個灰度值，一般情況下可能的灰度取值有2^8=256個（0，1，...，255）。如果我們統(tǒng)計出灰度值r在I中出現(xiàn)的次數(shù)n，并對其進行歸一化（n/N，N是所有灰度值出現(xiàn)次數(shù)的總和），這樣我們就可以得到像素r在I中出現(xiàn)的概率p(r)。如果對每一個可能的灰度取值r都做同樣的處理，我們可以得到如圖1左側所示的概率分布曲線，該曲線就是我們常說的直方圖。
圖1 直方圖均衡化目標
什么是直方圖均衡化？
通常情況下一副圖像I的直方圖如圖1左側所示，每一個灰度值r出現(xiàn)的概率不是相等的，這樣會導致圖像的一些細節(jié)信息不夠突出，而直方圖均衡化就是對灰度值r進行如下變換s=T(r)，使得變換后的灰度分布如圖1右側所示（也就是說，每一個灰度值出現(xiàn)的概率是想同的），這樣能夠發(fā)現(xiàn)一些原先肉眼很難發(fā)現(xiàn)的細節(jié)，如圖2所示（讀者可以自己體會下）。說到這里，一般也就結束了，但是我們真的理解了嗎？如何更好的理解呢？下面簡要介紹一下筆者的理解方式。
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應用分析 2017-07-26
- 集合結合數(shù)據(jù)結構來看看(二) 2017-07-26
學習是年輕人改變自己的最好方式