标签：
直方图均衡化的原理在这里就不赘述了，网上有多此类的博文，也可以参考冈萨雷斯的《数字图像处理》(第三版)一书中的第三章中的相关介绍;
这里演示一下直方图均衡化的效果：
原图像如下：
经过直方图均衡化处理后：
可以看到图像的对比度整体有的很大的提升，原本模糊不清的细节也变得清晰起来
直方图均衡化的算法实现可以分为三个步骤：
第一步：获得原图像的概率密度函数(PDF)。
1 for(i=0;i<rows;i++) 2 { 3 for(j=0;j<cols;j++) 4 { 5 n[Image[i][j]]++; //遍历整幅图像 6 } 7 } 8 for(i=0;i<L;i++) 9 { 10 p[i]=n[i]/(rows*cols); 11 }
其中,n[i]代表了灰度级为i的像素个数,那么p[i]的含义也就呼之欲出了,即为原始图像的概率密度函数(PDF)也称为归一化之后的直方图,L为图像的灰度级(典型取值如:256)
第二步：获得累计的归一化直方图
1 for(i=0;i<L;i++) 2 { 3 for(j=0;j<=i;j++) 4 { 5 c[i]+=p[j]; 6 } 7 }
第三步:获得处理后的图像
1 for(i=0;i<rows;i++) 2 { 3 for(j=0;j<cols;j++) 4 { 5 result[i][j]=c[Image[i][j]]*(max - min) + min; 6 } 7 }
其中max, min分别代表原图像中的最大和最小灰度级(需要遍历图像获得，前面的代码中并没有加入获得max以及min的值的代码)
标签：
原文地址：http://www.cnblogs.com/tcysky/p/5840062.html
