2017.7.17

灰度值

0黑，255是白

在这两种情况下，无论饱和度、色调、亮度如何变化，都只有黑白色

灰度图是在亮度不为零，饱和度和色调为零的情况下，修改红、蓝、绿色的配比而得出的颜色。
彩色图是饱和度、色调、亮度不为零，再搭配红、蓝、绿不同的配比得出的颜色。

灰度就是没有色彩，RGB色彩分量全部相等。
如果是一个二值灰度图象，它的象素值只能为0或1，我们说它的灰度级为2。
用个例子来说明吧:一个256级灰度的图象，如果RGB三个量相同时，如：RGB(100,100,100)就代表灰度为100,RGB(50,50,50)代表灰度为50。

彩色图象的灰度其实在转化为黑白图像后的像素值：假如原来某点的颜色为RGB(R，G，B)
整数方法：Gray=(R*30+G*59+B*11)/100

---

直方图均衡化

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

这种方法通常用来增加许多图像的局部对比度，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。

对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

累积分布函数

优缺点

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。

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。

缺点是：

• 它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度；
• 变换后图像的灰度级减少，某些细节消失；
• 某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。

对于彩色的图片来说，直方图均衡化一般不能直接对R、G、B三个分量分别进行上述的操作，而要将RGB转换成HSV来对V分量进行直方图均衡化的操作。

彩色算法

彩色的直方图均衡化其实就是对图像某个或多个颜色通道进行灰度直方图均衡化运算，常见的有以下几种方法：

1. 统计所有RGB颜色通道的直方图的数据并做均衡化运算，然后根据均衡化所得的映射表分别替换R、G、B通道颜色值。
2. 分别统计R、G、B颜色通道的直方图的数据并做均衡化运算，然后根据R、G、B的映射表分别替换R、G、B通道颜色值。
3. 用亮度公式或求RGB的平均值的方式计算亮度通道，然后统计亮度通道的直方图的数据并做均衡化运算，然后根据映射表分别替换R、G、B通道颜色值。

直方图均衡化原理 - ZrongH的专栏 - CSDN博客 http://blog.csdn.net/zrongh/article/details/7302816

直方图均衡化原理 - 天涯路清晨 - 博客园 http://www.cnblogs.com/tianyalu/p/5687782.html

【数字图像处理】直方图均衡化详解及编程实现 - 江南烟雨 - CSDN博客 http://blog.csdn.net/xiajun07061225/article/details/6910129

直方图均衡化的数学原理 - ncf的博客 - CSDN博客 http://blog.csdn.net/superjunenaruto/article/details/52431941

直方图均衡化的作用是图像增强。

有两个问题比较难懂，一是为什么要选用累积分布函数，二是为什么使用累积分布函数处理后像素值会均匀分布。

第一个问题。均衡化过程中，必须要保证两个条件：

①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；

②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。

第二个问题。累积分布函数具有一些好的性质，那么如何运用累积分布函数使得直方图均衡化？比较概率分布函数和累积分布函数，前者的二维图像是参差不齐的，后者是单调递增的。直方图均衡化过程中，映射方法是

其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。

来看看通过上述公式怎样实现的拉伸。假设有如下图像：

得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：

映射后的图像如下所示：