直方图均衡化
图像对比度增强的方法：1、直接对比度增强方法;2、间接对比度增强方法。
最常见的间接对比度增强方法：直方图拉伸和直方图均衡化（对原图像像素进行拉伸，使直方图分布尽可能均匀，图像增强）。关于对比度增强和均衡化的区别参见博客：http://blog.****.net/xiajun07061225/article/details/6910129
直方图均衡化采用累计函数进行映射，原因可参见博客：http://blog.****.net/chaoshengmingyue/article/details/51911141
图像直方图的定义为：Pr(k)=nK/n
理论基础参见：
http://blog.****.net/superjunenaruto/article/details/52431941#comments
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。
通过上面的公式，直方图均衡化的步骤是：
（1）、我们求出图像的直方图。
（2）、计算出图像的累计直方图，归一化的累计直方图（即每一项变成概率）。
（3）、得到每个灰度值所对应的累计直方图中的概率后，用概率乘上想要将图像映射到的像素区域最大值（例如，8位图像，可以映射到255）。
（4）、即得到了直方图均衡化后的图像。彩色图像也是一样的，只要分别对RGB层进行上述处理即可。
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：
即变换后的灰度值=原灰度值对应的累积分布概率*255（假设是8位图像，像素值得取值为【0,255】）
映射后的图像如下所示：
关于彩色图像直方图均衡化：我们知道jpg图像是由RGB三色通道，那么我们可以对一幅图像三个通道进行提取，然后分别进行直方图均衡化。代码见：http://blog.****.net/qq_34119437/article/details/53123588
缺点：1）变换后图像的灰度级减少，某些细节消失；
2）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。
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。
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，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。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，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。