4、直方图均衡化算法流程：输入图像、计算直方图、计算累积分布、生成映射表、输出图像

好，咱们今天来聊聊直方图均衡化的具体流程。说实话，这个算法在嵌入式视觉里太常用了。我最早在FPGA上实现它的时候，踩了不少坑，后来才慢慢摸清楚每个步骤的细节。

直方图均衡化，说白了就是让图像的灰度分布更均匀。你想想看，一张图如果整体偏暗或者偏亮，细节就看不清楚。均衡化就是要把这些像素重新分配一下，让亮部和暗部都有足够的细节。

整个流程分五步走：输入图像 → 计算直方图 → 计算累积分布 → 生成映射表 → 输出图像。每一步都有讲究，咱们一个一个说。

4.1 输入图像

这一步看起来简单，其实有门道。我习惯先把图像转成灰度图，因为直方图均衡化本质上是针对单通道的操作。如果是彩色图，你可以对亮度通道单独做，或者对三个通道分别做——但后者容易产生色偏，我个人不太推荐。

输入图像的格式也很重要。8位灰度图，像素值范围0~255，这是最常见的。如果是12位或16位的RAW图，处理逻辑一样，但映射表的大小要相应调整。

4.2 计算直方图

直方图就是统计每个灰度级有多少个像素。比如灰度值0的有100个像素，灰度值1的有50个像素……以此类推。

在嵌入式系统里，这一步通常用硬件加速。我记得在某个项目中，用C语言写了个循环去统计，结果发现CPU占用率飙到80%以上。后来改成用DMA+双缓冲的方式，效率一下就上来了。

// 计算直方图的典型代码（C语言风格）
uint32_t hist[256] = {0};
for (int i = 0; i < width * height; i++) {
    hist[image[i]]++;
}

嗯，这里要注意：直方图数组的大小取决于图像的位深。8位图就是256个bin，10位图就是1024个bin。别搞错了，否则后面计算累积分布时会出问题。

4.3 计算累积分布

累积分布函数（CDF）是直方图均衡化的核心。它表示每个灰度级及之前所有灰度级的像素总数。

公式很简单：CDF(k) = sum(hist[0] + hist[1] + ... + hist[k])

我刚开始做的时候，直接拿浮点数去算，结果在定点DSP上跑得特别慢。后来改成用整数运算，把归一化放到最后一步，速度提升了将近3倍。

// 计算累积分布（整数版本）
uint32_t cdf[256] = {0};
uint32_t sum = 0;
for (int i = 0; i < 256; i++) {
    sum += hist[i];
    cdf[i] = sum;
}

4.4 生成映射表

有了累积分布，接下来就是生成映射表。映射表的作用是把原始灰度值映射到新的灰度值。

标准公式是：new_value = (CDF(old_value) - CDF_min) / (total_pixels - CDF_min) * 255

但在嵌入式平台上，我通常用查表法。提前算好一个256字节的查找表，运行时直接查表，比实时计算快得多。

// 生成映射表
uint8_t lut[256];
uint32_t total = width * height;
uint32_t cdf_min = 0;

// 找到第一个非零的CDF值
for (int i = 0; i < 256; i++) {
    if (cdf[i] != 0) {
        cdf_min = cdf[i];
        break;
    }
}

// 生成LUT
for (int i = 0; i < 256; i++) {
    lut[i] = (uint8_t)((cdf[i] - cdf_min) * 255 / (total - cdf_min));
}

你想想看，这个LUT一旦生成，后面处理每一帧图像就只是查表操作，计算量几乎可以忽略不计。对于实时视频流来说，这个优化非常关键。

4.5 输出图像

最后一步，就是把原始图像的每个像素，通过映射表转换成新的像素值。

// 输出均衡化后的图像
for (int i = 0; i < width * height; i++) {
    output[i] = lut[image[i]];
}

到这里，一张经过直方图均衡化的图像就出来了。你会发现原本灰蒙蒙的图像，现在对比度明显提升，细节也更清晰了。

我个人觉得，直方图均衡化是嵌入式视觉里性价比最高的算法之一。实现简单，效果明显，而且对硬件资源要求不高。你在做图像预处理的时候，不妨先试试它，往往能省掉后面很多复杂的处理步骤。

嗯，流程就这些。下一章咱们聊聊直方图均衡化的变种——自适应直方图均衡化（AHE）和限制对比度自适应直方图均衡化（CLAHE）。这两个在实际项目中更常用，尤其是处理光照不均匀的图像时。