1、直方图均衡化

在OpenCV中，equalizeHist函数用于直方图均衡化（Histogram Equalization）。这是一种图像处理技术，旨在增强图像的对比度，特别是在图像的灰度值集中于某个范围时非常有用。通过调整图像的灰度分布，使得输出图像的灰度值更加均匀地分布在0到255的范围内，从而改善图像的视觉效果。
工作原理
直方图均衡化的基本思想是：

1. 计算输入图像的直方图：统计每个灰度级出现的次数。
2. 计算累积分布函数（CDF）：对于每个灰度级，计算包括该灰度级在内的所有较低灰度级的像素总数。
3. 使用CDF映射灰度级：将原始灰度级通过CDF映射到新的灰度级，确保输出图像的灰度值分布更加均匀。

2、OpenCV的直方图均衡化

dst = cv2.equalizeHist(src)

• src：输入图像，应为灰度图像。
• dst：均衡化后的输出图像。

通过，参数的说明可知，这个API仅用于灰度图像，那么，如果想对彩色图像进行直方图均衡化，该怎么处理呢？

3、分通道直方图均衡化方案

顾名思义，把彩色图像的R、G、B三个通道分别进行直方图均衡化处理。python代码如下：

def ChnEqhist(input):'''分通道进行直方图均衡化'''#B通道blue = cv.equalizeHist(input[:, :, 0])#G通道green = cv.equalizeHist(input[:, :, 1])#R通道red = cv.equalizeHist(input[:, :, 2])#通道合成result = np.stack((blue, green, red), axis=-1)return result

测试效果如下：

可看出，部分玩具的颜色还是整体泛白，存在失真的现象。那么，有没有改进的方案呢？

4、YUV颜色空间的直方图均衡化方案

算法步骤

1. BGR颜色空间转YUV。

 yuv = cv.cvtColor(input, cv.COLOR_BGR2YUV_I420)

2. 单独对Y分量进行直方图均衡化。

y_chn = yuv[0:height, 0:width]
#对Y分量进行直方图均衡
eq_y_chn = cv.equalizeHist(y_chn)

3. 计算有分量直方图均衡后灰度值的变化系数$delta$。

delta = (np.float32(eq_y_chn) / np.float32(y_chn))

4. 使用$delta$系数对原始RGB空间的灰度进行相乘。

dst = np.uint8(np.clip(np.multiply(input, delta[:, :, np.newaxis]), 0, 255))

测试图像如下：

5、效果对比和分析

1、在YUV空间进行直方图均衡化，能够减轻颜色失真的现象，避免了整体泛白。
2、也减小了算法的计算量，避免了3个通道的直方图均衡化操作。