图像直方图：作用、分类、如何按需选择

一、直方图基础定义

灰度直方图：统计图像每个灰度值（0~255）对应的像素数量，横坐标灰度，纵坐标该灰度像素总数。 本质：用统计方式反映图像明暗、对比度、曝光分布。

二、直方图核心作用

1. 快速判断图像光照 / 曝光问题

• 像素集中靠左（低灰度）：图像偏暗、欠曝光；
• 像素集中靠右（高灰度）：图像过亮、过曝；
• 像素全部挤在中间狭窄区间：对比度低，灰蒙蒙看不清细节；
• 像素均匀铺满 0~255：曝光均衡、对比度良好。

2. 辅助阈值分割（自动找分割阈值）

双峰直方图：前景、背景各一个峰值，谷底就是最佳二值阈值； 单峰 / 平缓直方图：全局阈值效果差，改用自适应阈值。

3. 图像增强：均衡化、拉伸提升对比度

• 直方图均衡化 HE：拉开灰度分布，提亮暗部；
• 自适应均衡化 CLAHE：防止整体过曝，保留局部细节。

4. 图像对比、匹配、检索

直方图相似度对比，判断两张图片亮度 / 纹理分布是否接近；简单图像检索、模板粗匹配。

5. 辅助滤波、降噪判断

噪声多的图直方图毛刺多、离散峰值多；干净图像曲线平滑连续。

三、常用直方图相关算法 & 适用场景选择

1. 普通全局直方图均衡化 equalizeHist（HE）

原理

重新映射灰度，让像素均匀分布在 0~255，大幅提升全局对比度。

优点

操作简单，快速提亮暗图，算力极低。

缺点

1. 明暗区域一起拉伸，亮区极易过曝发白、丢失细节；
2. 放大噪声，暗光图噪点会明显加重；

适用场景

整体偏暗、光照均匀、无大面积高亮反光的简单图像（答题卡、黑白图纸）。