MATLAB圖像處理-圖像增強之彩色圖像直方圖均衡化（RGB通道和HSV通道兩種）

直方圖均衡化這種方法通常用來增加許多圖像的全局對比度，尤其是當圖像的有用數據的對比度相當接近的時候。通過這種方法，亮度可以更好地在直方圖上分佈。這樣就可以用於增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現這種功能。

這種方法對於背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來X光圖像中更好的骨骼結構顯示以及曝光過度或者曝光不足照片中更好的細節。這種方法的一個主要優勢是它是一個相當直觀的技術並且是可逆操作，如果已知均衡化函數，那麼就可以恢復原始的直方圖，並且計算量也不大。這種方法的一個缺點是它對處理的數據不加選擇，它可能會增加背景噪聲的對比度並且降低有用信號的對比度。

代碼中的直方圖均衡化函數爲自己編寫，可參看：自己編寫直方圖均衡化函數

OutImg(:,:,1)=R;
OutImg(:,:,2)=G;
OutImg(:,:,3)=B;

完整的代碼如下：

%%
clc
clear all
I=imread('D:\提高文化修養的文件\數圖處理\第三章圖像增強 第1次作業\fireworks.jpg');
%%
%%變化前灰度值
OutImg=I;
R=I(:,:,1);
subplot(2,3,1)
imhist(R);
title('R')
G=I(:,:,2);
subplot(2,3,2)
imhist(G);
title('G')
B=I(:,:,3);
subplot(2,3,3)
imhist(B);
title('B')
%%
%%變化後灰度值
R=hist_1(R);
subplot(2,3,4)
imhist(R);
title('after R')
G=hist_1(G);
subplot(2,3,5)
imhist(G);
title('after G')
B=hist_1(B);
subplot(2,3,6)
imhist(B);
title('after B')
%%
%變化後圖像
OutImg(:,:,1)=R;
OutImg(:,:,2)=G;
OutImg(:,:,3)=B;
figure,
imshow(I);
title('原圖像')
figure,
imshow(OutImg);
title('直方圖均衡化後的圖像')
%%
%直方圖均衡化函數
function hist_img = hist_1(I)
    [M, N] = size(I);
    size_img = M*N;
    c = zeros(1,256);%統計每個每個像素值的個數
    b= c;%轉化前後的對照表
  
    temp = I(:);
    temp = sort(temp);
    
    for i = 1:size_img
        c(temp(i)+1) = c(temp(i)+1)+1;      
    end
    a = c;%求和
    for i = 2:256
       a(i) = c(i) + a(i-1);
    end
    
    min_cdf = 10000;
    for i = 1:256
       if a(i)>0
           if a(i) < min_cdf
                min_cdf = a(i);
           end
       end
    end
    
    for j = 1:256
        if a(j) > 0
             b(j) = round(255*(a(j)-min_cdf)/(size_img-min_cdf));
        end
    end
    
    for i = 1:M
        for j = 1:N
            I(i,j) = b(I(i,j)+1);
        end       
    end  
    hist_img = I;
end

但是這種方式會對原來的顏色造成破壞，還會出現過曝等，適用性一般。
示例煙花圖如下：
ps：圖片拍攝於湖南師範大學體育館二樓，2019.10.1

可以看出天空等出現了過曝，而且相應的顏色都有部分失真，特別是煙花附近過曝嚴重。

通過rgb2hsv轉換爲hsv通道

通過hsv2rgb轉換爲rgb通道

V通道通常小於1，但是直方圖均衡化爲0-255，故：
floor(v * 255)
變換後：
v/255

綜上代碼如下：

%%
clc
clear all
I=imread('D:\QQ接收文件夾\MobileFile\IMG_20191001_204030.jpg');
%%
%%HSV
OutImg=rgb2hsv(I);
V=OutImg(:,:,3);
V = floor(V * 255);
%%
%%變化後V
V=hist_1(V);
V = V / 255;
%%
%變化後圖像
OutImg(:,:,3) = V;
OutImg = hsv2rgb(OutImg);

imshow(I);
title('原圖像')
figure,
imshow(OutImg);
title('直方圖均衡化後的圖像')
%%
%直方圖均衡化函數
function hist_img = hist_1(I)
    [M, N] = size(I);
    size_img = M*N;
    c = zeros(1,256);%統計每個每個像素值的個數
    b= c;%轉化前後的對照表
  
    temp = I(:);
    temp = sort(temp);
    
    for i = 1:size_img
        c(temp(i)+1) = c(temp(i)+1)+1;      
    end
    a = c;%求和
    for i = 2:256
       a(i) = c(i) + a(i-1);
    end
    
    min_cdf = 10000;
    for i = 1:256
       if a(i)>0
           if a(i) < min_cdf
                min_cdf = a(i);
           end
       end
    end
    
    for j = 1:256
        if a(j) > 0
             b(j) = round(255*(a(j)-min_cdf)/(size_img-min_cdf));
        end
    end
    
    for i = 1:M
        for j = 1:N
            I(i,j) = b(I(i,j)+1);
        end       
    end  
    hist_img = I;
end

對剛纔的圖像進行處理，結果如下：

可以看出對色彩的還原比較高，但是在燈的附近還是出現了過曝，整體來說畫面的亮度有了較大的提升，且下方的座椅效果很好，比RGB通道的直方圖均衡化要好。適用於沒有特別亮的暗色照片增強。

綜合對比：
左邊爲RGB，右邊爲HSV
推薦使用HSV通道。

參考鏈接，可參看：自己編寫直方圖均衡化函數