我写了一篇关于直方图均衡化和直方图规定化的文章，直接push了代码和实验结果，没有讲原理。想看那篇文章请点击下面：
https://blog.csdn.net/macunshi/article/details/
这里我们尽量不用数学符号公式等，而用简单易懂的方式来把直方图均衡化的原理讲一下。其过程可以用下面一个表来展示：
是不是看不懂了？没关系，我们一点点来。
（1）确定图像的灰度级
我们要处理的图像是灰度图像，如果是彩色的，需要先转化成灰度图像，然后确定图像的灰度级有多大，一般就是8位的图像，灰度级为0-255，上标示例中的是3位的，灰度级为0-7。
（2）计算原始直方图分布概率p(i)
也就是统计每一个灰度在整个图像中像素个数的占比，总和为1。记第i个灰度的直方图分布概率为p(i)。
（3）计算直方图概率累计值s(i)
这里s(0)=p(0);
s(1)=p(0)+p(1)；
s(i)=p(0)+p(1)+……+p(i) where（i>1）。
(4)根据公式求取像素映射关系
ss(i)=int{[max(pix)-min(pix)]*s(i)+0.5}
其中，pix指原图像中的灰度值，需要求取原图像中的最大灰度值减去最小灰度值。
而有的均衡化理论中是(2^n-1)-0，也就是该灰度级中的最大值减去灰度最小值。ss(i)是第i灰度级所对应的均衡化图像中的灰度级。
（5）灰度映射
上一步找到了原图像和均衡化图像灰度的对应关系，对原图进行操作，将每个像素映射成新的像素即可。
此时图像均衡化已经完成，当然你也可以再次统计灰度概率，观察一下结果。
直方图反映了图像的清晰程度，当直方图均匀分布时，图像最清晰。由此，我们利用直方图达到了使图像清晰的目的。
后续再写直方图规定化的计算过程，传送门如下：
https://blog.csdn.net/macunshi/article/details/
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/178043.html原文链接：https://javaforall.net
