本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.图像直方图
假设有图像数据$8\times 8$，像素值范围0～14共15个灰度等级：
统计得到各个等级出现次数及直方图：
2.直方图均衡化
直方图均衡化（Histogram Equalization）是一种增强图像对比度的方法。其主要思想是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。均衡化前后的图像直方图：
举例说明下直方图均衡化的过程，假设现在有一个8位的$8\times 8$灰度图像：
该灰度图像的灰度值出现次数如下表所示，为了简化表格，出现次数为0的值已经被省略：
累积分布函数（cdf）如下所示，与上一表格类似，为了简化，累积分布函数值为0的灰度值已经被省略：
如表格所示，灰度值最小值为52，最大值为154。通常，直方图均衡化算式如下：
\[h(v)=round \left( \frac{cdf(v) - cdf_{min}}{cdf_{max}-cdf_{min}} \times (L-1) \right)\]累积分布函数最小值$cdf_{min}$在本例中为1，最大值$cdf_{max}$在本例中为64，而$L$则是灰度级数（如本例中，图像为8位深度，则灰度级数共有$2^8=256$级数，这也是最常见的灰度级数）。则对于本例的直方图均衡化算式为：
\[h(v)=round \left( \frac{cdf(v)-1}{63} \times 255 \right)\]例如，灰度为78的像素的累积分布函数为46，均衡化后，灰度值变化为：
\[h(78)=round \left( \frac{46-1}{63} \times 255 \right) = round (0.714286 \times 255)=182\]直方图均衡化后，图像的灰度值变化如下表所示：
全尺寸图像效果：
3.API
1
void equalizeHist( InputArray src, OutputArray dst );
⚠️输入图像必须是8位的单通道图像。
