一、基本知識

圖像對比度是指：一副圖像中明暗區(qū)域最亮的白和最暗的黑之間不同亮度層級的測量，差異范圍越大代表對比度越大；一般來說圖像對比度越大，圖像越清晰醒目，色彩也越鮮明艷麗；對比度小讓整個畫面都灰蒙蒙；

圖像飽和度是指：圖像的鮮艷程度，也是色彩的純度。飽和度取決于圖像中該色中含色成分和消色成分的比例；純的顏色飽和度都大；

圖像的亮度是指：圖像的明暗程度；

直方圖均衡化以及灰度拉伸都是屬于圖像對比度增強的方法；

二、灰度拉伸

灰度拉伸是通過對對比度拉伸達到對對比度進行增強的目的；

公式為：

三、直方圖均衡化及直方圖匹配：

首先直方圖均衡化是采用累積函數(shù)的方式來實現(xiàn)的；至于為什么選用累積函數(shù)來實現(xiàn)均衡化在于

1. 像素不論怎么映射，一定要保證圖像中原來的大小關系不變，較亮的區(qū)域依然較亮，較暗的區(qū)域依然較暗，只是對比度增加，不改變圖像明暗特征；

2. 映射過去的函數(shù)不能越界；

而累積函數(shù)分布函數(shù)是單調(diào)增函數(shù)且值域在0到1符合條件；一副圖像的灰度級可看成是區(qū)間[0,L-1]內(nèi)的隨機變量；

其中w是積分的假變量，公式右邊是隨機變量r的累積分布函數(shù)。在由萊布尼茨準則

則

可以轉(zhuǎn)化為

對于離散的圖像來說

四、一個例子來說明到底如何進行直方圖匹配的過程：

假設一副圖像的大小為64*64像素（M*N=4096）的3比特圖像（L=2^3=8）的灰度分布表

則根據(jù)上表就可以算出S0~S7

就可以得到均衡化后的直方圖

這樣可以得到均衡化后的直方圖只有5個不同的灰度及，r0被映射到了s0=1；r1被映射到了s1=3；r2被映射到了s2=5；r3、r4被映射到了S=6；r5 6 7都被映射到了S=7；如下圖就是均衡后的直方圖：

接下來我們看需要待直方圖匹配；

我們先得到了S0=1；S1=3;S2=5;S3=6;S4=6;S5=7;S6=7;S7=7 。 接下來我們需要對規(guī)定直方圖進行同樣的均衡化；

通過計算的結果發(fā)現(xiàn)G函數(shù)并不是嚴格單調(diào)的，違反了條件的一一對應關系，所以找到Zq的最小值與SK最接近作為對應標準；例如S0=1；與G（Z3）=1就是完美匹配，因此S0對應Z3，也就是直方圖均衡后的圖像每個值為1的像素映射為直方圖規(guī)定話后圖像的值為3的像素；最后結果如下圖：

以上例子節(jié)選來自《數(shù)字圖像處理第三版》內(nèi)容；

五、實際opencv例子結果

程序的源代碼如下圖所示：

測試原圖為：

由于選取圖像不是很特別，只是用來驗算的。從結果上面來看整體目標是實現(xiàn)了，灰度拉伸只是線性的拉寬對比度，對圖像的整體影響不大。而灰度直方圖均衡化卻對圖像的整體效果有影響，對直方圖的改變也比較大；