OpenCV-Python(22):直方图均衡化

直方图术语

在图像处理和计算机视觉中，与直方图相关的一些术语包括：

1. 灰度直方图（Gray-level histogram）：用于描述图像中各个灰度级别的像素数量分布。
2. 彩色直方图（Color histogram）：用于描述图像中各个颜色通道的像素数量分布，如红色通道、绿色通道和蓝色通道。
3. 亮度直方图（Luminance histogram）：用于描述图像中各个亮度级别的像素数量分布。
4. 色彩直方图（Color histogram）：用于描述图像中各个色彩级别的像素数量分布。
5. 归一化直方图（Normalized histogram）：对直方图进行归一化处理，将像素数量转化为概率分布。
6. 累积直方图（Cumulative histogram）：描述了图像中小于等于某一灰度值的像素数量的累积分布。
7. 直方图均衡化（Histogram equalization）：一种图像增强方法，通过调整图像的灰度直方图来增加图像的对比度和亮度。
8. 直方图匹配（Histogram matching）：将一幅图像的直方图调整为与另一幅图像的直方图相似，以实现图像的颜色匹配和风格迁移。
9. 直方图差异（Histogram difference）：用于比较两幅图像直方图的相似性或差异性，可用于图像检索和相似度度量。

        这些术语描述了直方图在图像处理和计算机视觉中的不同应用和操作。根据具体的问题和需求，可以选择合适的直方图方法来处理图像，本文主要讲解一下直方图均衡化的原理与作用。

均衡化背景及原理

直方图均衡化是一种用于增强图像对比度的方法，它通过重新分配图像的灰度级别来拉伸图像的灰度范围。背景及原理如下：

背景：
在某些情况下，图像的对比度较低，即图像中的灰度级别分布较为集中，导致图像细节不明显。直方图均衡化可以通过增加像素在不同灰度级别上的分布，使图像的对比度得到改善。

原理：
直方图均衡化的核心思想是将图像的灰度级别重新映射到较大的范围。具体步骤如下：

1.计算图像的灰度直方图：使用cv2.calcHist函数计算图像的灰度直方图。

2.计算累积分布函数（CDF）：将灰度直方图进行归一化，并计算累积分布函数。CDF表示每个灰度级别下的像素在整个图像中的累积比例。

3.计算映射函数：将CDF进行线性映射，得到新的灰度级别与原始灰度级别之间的映射关系。

4.应用映射函数：将映射函数应用于原始图像上的每个像素，将原始的灰度级别映射到新的灰度级别，从而得到均衡化后的图像。