这种方法通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。
先来看看直方图均衡化的效果图。
直观感受，均衡化后的图像明暗对比更明显。亮的地方更亮，暗的地方更暗，拉开了差距。
1.增大图像的信息量。
2.直方图被均匀分开。
直方图均衡化，把直方图均匀的平摊开，不改变某个灰度级像素的个数。
要找到一个灰度映射函数，完成灰度映射。
像下图这样
不难发现，这个映射函数和累计直方图很像。
灰度映射还是灰度映射，只不过直方图均衡化中，用累计直方图做了灰度映射的函数。
1.计算直方图
2.对直方图进行积分后，可得到累计直方图。
3.再归一化到 [0, 255] 空间，得到灰度映射函数。
4.做灰度映射。
所以每个图像都有不同的映射函数，他是动态计算的。
累计直方图是单调递增的，不会出现两个灰度级映射到同一个灰度的情况。
均衡化对偏暗或者偏亮，就是灰度级聚集在一起的地方，进行拉开，明暗分明。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
