2、直方图基础：灰度直方图的概念、直方图的性质、如何读取直方图信息。

好，咱们进入第二章。直方图这东西，说白了就是图像的“体检报告”。

我刚入行那会儿，觉得直方图就是个花架子，调色全凭感觉。后来被一个老前辈点醒，他说：“你不看直方图，就像医生不看化验单，全靠猜。” 从那以后，我养成了一个习惯：拿到一张图，先看直方图，再看画面本身。这个顺序，帮我省了太多时间。

2.1 灰度直方图的概念

什么是灰度直方图？

很简单。一张灰度图，每个像素都有一个亮度值，范围通常是0到255。0是纯黑，255是纯白。直方图就是统计一下：这张图里，亮度为0的像素有多少个？亮度为1的有多少个？……一直到亮度为255的有多少个？

把这些统计结果画成柱状图，横轴是亮度值（0到255），纵轴是像素数量。这就是灰度直方图。

举个例子，一张纯黑的图，所有像素都是0，直方图就只在0的位置有一根冲天柱，其他地方全是平的。一张纯白的图，就只在255的位置有一根柱子。一张曝光正常的风景照，直方图通常像一个中间高、两边低的山丘。

2.2 直方图的性质

直方图有几个很重要的性质，我挑三个最常用的讲讲。

性质一：位置缺失性

直方图只告诉你“有多少个像素是这个亮度”，但它不告诉你“这些像素在图像的哪个位置”。

举个例子，一张左边全黑、右边全白的图，和一张上半部分全黑、下半部分全白的图，它们的直方图是一模一样的。都是0的位置有一半像素，255的位置有一半像素。

为什么会这样？因为直方图丢弃了空间位置信息。它只关心“量”，不关心“在哪”。

我在项目中遇到过这种情况：用直方图匹配算法做色调统一，结果两张图直方图一模一样，但画面内容完全不同。嗯，这就是位置缺失性在作怪。所以，直方图是全局信息，不能完全代表画面内容。

性质二：可叠加性

如果你把一张图切成上下两半，分别计算直方图，然后把这两个直方图对应位置的数值相加，得到的结果就是整张图的直方图。

这个性质很实用。比如你想分析一张图的暗部细节，可以单独提取暗部区域的直方图，和整体直方图对比，看看暗部细节是否丰富。

性质三：与图像的一一对应关系（不成立）

这个性质其实是性质一的推论。不同的图像可以有完全相同的直方图。所以，直方图和图像之间不是一一对应的关系。

你想想看，如果两张图直方图一样，它们看起来可能完全不一样。这就是为什么我们不能只靠直方图来还原图像。

2.3 如何读取直方图信息

读直方图，其实就是在读图像的“明暗分布”。我一般会看三个维度：范围、峰值、形状。

看范围：曝光是否正常

直方图的横轴范围是0到255。如果直方图的左右两端都有大量像素堆积，说明图像存在“过曝”或“欠曝”。

• 左边撞墙（0附近有高峰）： 图像有大量纯黑区域，细节丢失。这叫“欠曝”或“暗部溢出”。
• 右边撞墙（255附近有高峰）： 图像有大量纯白区域，细节丢失。这叫“过曝”或“亮部溢出”。
• 中间饱满，两边不撞墙： 曝光比较理想，细节丰富。

看峰值：对比度是否合适

直方图的峰值分布，反映了图像的对比度。

• 峰值集中在中间窄区域： 图像对比度低，看起来灰蒙蒙的，像蒙了一层雾。
• 峰值分布在整个横轴，且比较均匀： 图像对比度高，层次感强。
• 峰值集中在两端，中间很少： 图像对比度过高，可能丢失中间调细节。

我个人习惯，拿到一张灰蒙蒙的图，第一件事就是看直方图。如果峰值都挤在中间，我就知道该做对比度拉伸了。

看形状：细节是否丰富

直方图的形状，能反映图像的细节丰富程度。

• 平滑、连续的山丘状： 细节丰富，过渡自然。
• 锯齿状、有断崖： 可能经过了过度处理，或者图像本身质量不高。
• 出现多个明显的峰： 图像可能包含多个亮度层次分明的区域，比如逆光人像（背景亮、人脸暗）。

我曾经处理过一张老照片，直方图全是锯齿，一看就是被反复压缩保存过。这种图想恢复细节，难度很大。

2.4 直方图的核心逻辑

下面这张图，是我自己总结的直方图知识体系。你看一眼，就能把刚才讲的内容串起来。

2.5 实战：读一张图的直方图

假设你拿到一张图，直方图长这样：

• 左边0-50区域有一个很高的峰
• 右边200-255区域有一个中等高度的峰
• 中间50-200区域几乎没什么像素

你能读出什么信息？

第一，这张图暗部很多，而且暗部细节可能丢失（因为左边峰很高且靠近0）。第二，亮部也有一定数量，但不如暗部多。第三，中间调很少，说明这张图对比度很高，可能是一张逆光照片或者夜景灯光图。

我遇到这种情况，会先判断：暗部撞墙是不是合理的？如果是夜景，那没问题。如果是白天风景，那就要考虑提亮暗部了。

好了，直方图的基础就这些。记住三个关键词：范围看曝光、峰值看对比度、形状看细节。下次拿到一张图，别急着调色，先看一眼直方图。你会发现，很多问题一眼就能看出来。

---