直方图均衡（HE）原理及实测可用的均衡化代码

         直方图均衡(HE)是图像增强处理中对比度变换调整中最典型的方法。该方法是空域增强中最常用、最简单有效的方法之一，其采用灰度统计特征，将原始图像中的灰度直方图从较为集中的某个灰度区间转变为均匀分布于整个灰度区域范围的变换方法。

        全局 HE 方法的主要优点：算法简单、速度快，可自动增强图像。全局 HE 方法的缺点：对噪声敏感、细节信息易失，在某些结果区域产生过增强问题，且对对比度增强的力度相对较低。

        局部 HE 的主要优点：局部自适应，可最大限度的增强图像细节。其缺点是：增强图像质量操控困难，并会随之引入噪声。

其中的代码为MATLAB的，分为3部分灰度，RGB，HSV。

close all; 
clear; 
clc; 
 
% 首先读入灰度图像，并提取图像的高度和宽度
image = imread('pout.tif'); 
[height, width] = size(image); 
 
% 然后统计每个灰度的像素值的累计数目
NumPixel = zeros(1,256);  % 建立一个256列的行向量，以统计各灰度级的像素个数
for i = 1 : height
   for j = 1 : width
       k = image(i,j);  % k是像素点(i,j)的灰度值
       % 因为NumPixel数组的下标是从1开始的，但是图像像素的取值范围是0~255
       % 所以用NumPixel(k+1)
       NumPixel(k+1) = NumPixel(k+1) + 1;  % 对应灰度值像素点数量加1 
   end
end
 
% % 这里我们将数组NumPixel显示出来，以观测效果
% figure;
% subplot(121), imshow(image);
% subplot(122), bar(NumPixel);  % 灰度图像的直方图可以正确显示出来
 
% 接下来，将频数值算为频率
ProbPixel = zeros(1,256); % 统计各灰度级出现的频率
for i = 1 : 256
    ProbPixel(i) = NumPixel(i) / (height * width);
end
 
% % 这里我们将数组ProbPixel显示出来，以观测效果
% figure;
% subplot(121), imshow(image);
% subplot(122), bar(ProbPixel);  % 灰度图像的归一化直方图可以正确显示出来
 
% 再用函数cumsum()来计算累积分布函数（CDF），并将频率（取值范围是0~1）映射到0~255的无符号整数
CumPixel = cumsum(ProbPixel);  % 这里的数组CumPixel大小也是1×256
CumPixel = uint8((256-1) .* CumPixel + 0.5); 
 
% % 这里我们将数组CumPixel显示出来，以观测效果
% figure;
% subplot(121), imshow(image);
% subplot(122), bar(CumPixel);  % 数组CumPixel可以正确显示出来 
 
% 在下列用作直方图均衡化实现的赋值语句右端，image(i,j)被用来作为CumPixel的索引
% 例如，image(i,j)=120，则从CumPixel中取出第120个值作为image(i,j)的新像素值
outImage = uint8(zeros(height, width));  % 预分配数组
for i = 1 : height
   for j = 1 : width
      outImage(i,j) = CumPixel(image(i,j));
   end
end
 
% 显示直方图均衡化前后的图像，可以发现，与调用函数histeq()的效果一致
imshowpair(image, outImage, 'montage'); 



#2 RGB均衡化
close all; 
clear; 
clc; 
 
I = imread('baby.jpg');
% figure,imshow(I);
 
% 分别提取R、G、B三个分量
R = I(:, :, 1); 
G = I(:, :, 2); 
B = I(:, :, 3); 
 
% 分别对三个分量进行直方图均衡化
R = histeq(R, 256); 
G = histeq(G, 256); 
B = histeq(B, 256); 
 
J = I;
J(:, :, 1) = R; 
J(:, :, 2) = G; 
J(:, :, 3) = B; 
 
imshowpair(I, J, 'montage'); 

#HSV均衡化
close all; 
clear; 
clc; 
 
I = imread('baby.jpg'); 
 
% 将RGB空间转换为HSV空间
hsvImage = rgb2hsv(I); 
 
% 提取V分量
v = hsvImage(:, :, 3);  % 这里的v是double类型的矩阵
 
% 以下代码与前面介绍基本一致，这里不再做过多注释
[height, width] = size(v); 
 
v = uint8(v .* 255 + 0.5); % 这里的0.5有必要加上，以免矩阵v中出现0
 
N = zeros(1, 256); 
for i = 1 : height
   for j = 1 : width
      k = v(i,j);
      N(k+1) = N(k+1) + 1; 
   end
end
 
ProbPixel = zeros(1, 256);
for i = 1 : 256
    ProbPixel(i) = N(i) / (height * width); 
end
 
CumPixel = cumsum(ProbPixel);
CumPixel = uint8(255 .* CumPixel + 0.5); % 四舍五入
 
for i = 1 : height
   for j = 1 : width
      v(i,j) = CumPixel(v(i,j));  % 这里的v(i,j)不能为0，否则数组索引出错
   end
end
 
v = im2double(v); 
hsvImage(:, :, 3) = v; 
outImage = hsv2rgb(hsvImage); 
 
imshowpair(I, outImage, 'montage');