灰度变换_增强图像暗部细节（直方图均衡化，对数变换，Gamma变换）

直方图均衡化

定义

直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。

作用

增强图像的细节部分，特别是对于过亮或过暗的图像

原理

直方图均衡化就是对图像进行非线性拉伸，使得变换后的图像直方图分布均匀。
图像的灰度分布集中在较窄的范围内，这就导致了图像的细节不够清晰。为什么不清晰呢，因为灰度分布较窄时，那么，在计算对比度的时候，对比度就很小，所以就不清晰。为了使得图像变得清晰，那么就需要使得灰度值的差别变大，为了使得灰度值的差别变大，就意味着灰度分布就变的较宽，使得灰度值分布变得均匀，在某个灰度级区间内，像素的个数分布大致相同，这样才能使得图像的对比度增强，细节变得清晰可见。
参考：https://blog.csdn.net/aoulun/article/details/78816816

举例

（另两个色道变换同上）
参考：https://www.cnblogs.com/hustlx/p/5245461.html

代码

https://blog.csdn.net/qq_40313712/article/details/88556388

对数变换

作用

对图像中低灰度细节进行增强

其中c为常数，r属于 [0,1] , r+1 可以使函数向左移一个单位，得到的s均大于0。
参考：https://www.cnblogs.com/laumians-notes/p/8629396.html

原理

对数变换，将源图像中范围较窄的低灰度值映射到范围较宽的灰度区间，同时将范围较宽的高灰度值区间映射为较窄的灰度区间，从而扩展了暗像素的值，压缩了高灰度的值，能够对图像中低灰度细节进行增强。

代码

https://www.cnblogs.com/wangguchangqing/p/6983680.html#autoid-1-1-0

Gamma校正

图2中左图为原图，中图为gamma = 1/2.2在校正结果，原图中左半侧的灰度值较高，右半侧的灰度值较低，经过gamma = 1/2.2校正后(中图)，左侧的对比度降低(见胡须)，右侧在对比度提高(明显可以看清面容)，同时图像在的整体灰度值提高。

右图为gamma = 2.2在校正结果，校正后，左侧的对比度提高(见胡须)，右侧在对比度降低(面容更不清楚了)，同时图像在的整体灰度值降低。

值得一提的是，人眼是按照gamma < 1的曲线对输入图像进行处理的。

参考：https://blog.csdn.net/u013286409/article/details/50239377

代码

https://blog.csdn.net/qq_40313712/article/details/84846404