1. 直方图均衡化概述
各位同学好，我是你们这堂课的主讲。今天咱们来聊聊嵌入式视觉里一个非常基础、但又极其好用的工具——直方图均衡化。
说实话，我刚开始做嵌入式视觉那会儿，总觉得这玩意儿太简单，不就是把图像拉亮一点嘛。直到有一次在户外安防项目里，摄像头拍到的画面灰蒙蒙一片，人脸都看不清，我才真正意识到它的价值。嗯，咱们今天就把它彻底讲透。
什么是直方图？
先说说直方图。你想想看，一张数字图像，说白了就是一个像素矩阵。每个像素都有一个灰度值，从0（纯黑）到255（纯白）。
直方图，就是统计每个灰度值上出现了多少个像素。
举个例子，一张 640×480 的图像，总共有 307200 个像素。直方图会告诉你：灰度值0有多少个像素？灰度值1有多少个？……一直到灰度值255有多少个？
我习惯用下面这段代码来快速查看直方图：
// 计算灰度直方图（C语言，嵌入式常用）
void calc_histogram(uint8_t *img, int width, int height, uint32_t *hist) {
// 先清零
for(int i = 0; i < 256; i++) hist[i] = 0;
// 统计每个灰度值的像素个数
int total = width * height;
for(int i = 0; i < total; i++) {
hist[img[i]]++;
}
}直方图能告诉我们什么？说白了就两件事：
- 图像的整体亮度分布——是偏暗还是偏亮？
- 对比度高低——像素是集中在某个小范围，还是均匀分布在整个0-255区间？
我在项目中遇到过一张夜间监控图像，它的直方图几乎全部挤在0-50这个低灰度区域。这种图像，你肉眼看上去就是一团黑，啥也看不清。
直方图均衡化的基本原理
好，那直方图均衡化是干嘛的呢？
它的目标很简单：把原始图像的直方图，拉伸成近似均匀分布的状态。
为什么会这样？你想想看，如果像素集中在某个小范围，图像的细节就丢失了。比如暗部区域，原本灰度值10和灰度值12的两个像素，人眼根本分不出来。但如果我们把它们映射到0和255的整个范围，差异就明显了。
均衡化的核心公式其实不复杂：
// 直方图均衡化核心步骤（伪代码）
1. 计算原始直方图 hist[0..255]
2. 计算累积分布函数 CDF：
cdf[0] = hist[0]
for i = 1 to 255:
cdf[i] = cdf[i-1] + hist[i]
3. 归一化映射：
new_pixel = (cdf[old_pixel] - cdf_min) / (total_pixels - cdf_min) * 255
// 其中 cdf_min 是第一个非零的 cdf 值我建议你记住这个映射关系：均衡化本质上是一个非线性映射，它把像素多的灰度区间拉伸，把像素少的区间压缩。
举个例子，如果原始图像中灰度值100-150这个区间占了80%的像素，均衡化就会把这个区间拉伸到几乎整个0-255范围。而灰度值0-50这个区间如果只有1%的像素，它就会被压缩成很小的一段。
核心要点：直方图均衡化不增加信息量，它只是重新分配灰度级，让对比度看起来更高。说白了，就是把有限的信息用更高效的方式展示出来。
在嵌入式视觉中的应用价值
聊完了原理，咱们说说实际应用。嵌入式视觉和PC端视觉最大的区别是什么？资源受限。
我做过一个车载夜视项目，摄像头是OV7670，主控是STM32F4。这种组合，你跑个复杂的深度学习模型？想都别想。但直方图均衡化，它只需要：
- 一次遍历统计直方图
- 一次遍历计算CDF
- 一次遍历做映射
总共三次遍历，256字节的查找表，就能让图像质量提升一个档次。这在嵌入式平台上简直是性价比之王。
具体应用场景我列几个：
| 应用场景 | 问题描述 | 均衡化效果 |
|---|---|---|
| 车载夜视 | 夜间道路对比度极低 | 显著提升路面和障碍物的可见度 |
| 安防监控 | 逆光或背光场景 | 人脸和背景都能看清 |
| 工业检测 | 光照不均匀的工件 | 缺陷区域更容易被检测 |
| 医疗内窥 | 组织图像细节模糊 | 血管和病灶边界更清晰 |
我的经验：在嵌入式平台上，我建议用局部直方图均衡化代替全局均衡化。全局均衡化有时会过度增强噪声，而局部均衡化（比如分块处理）效果更自然。代价是计算量翻倍，但很多Cortex-M4以上的芯片都能扛得住。
避坑指南：我曾经在一个项目中直接对彩色图像的RGB三个通道分别做均衡化，结果颜色完全失真，图像变得花花绿绿。后来改用YUV色彩空间，只对Y通道（亮度）做均衡化，U和V通道保持不变，效果就对了。记住：彩色图像均衡化，只处理亮度通道！
最后说一句，直方图均衡化不是万能的。如果原始图像本身质量太差（比如过曝到一片白），均衡化也救不回来。它更像是一个预处理步骤，为后续的特征提取、目标检测打好基础。
嗯，这一节就到这里。下一节咱们会深入代码实现，手把手教你如何在STM32上跑通直方图均衡化。