3. 直方图归一化处理

任务说明

本案例针对一幅灰度图像，计算其灰度直方图，并将直方图各灰度级的频数除以像素总数，得到归一化的概率分布（即每个灰度级出现的概率），最后验证所有概率之和等于1。归一化直方图是直方图均衡化、规定化等后续处理的基础，它使直方图不再依赖图像尺寸，便于不同图像之间进行概率意义上的比较。

实现方案

使用Python与OpenCV读取灰度图像，通过NumPy计算直方图并完成归一化。核心步骤为：读取图像→统计各灰度级像素个数→除以总像素数得到概率→累加验证。代码不依赖任何未展示的预定义变量，输入图像路径由用户指定，若图像本身为彩色则先转换为灰度图。

代码实现

import cv2
import numpy as np

def normalize_histogram(image_path):
    """
    读取灰度图像，计算归一化直方图（概率分布），并验证概率之和为1。
    
    参数:
        image_path: 输入图像路径（支持彩色或灰度图，彩色图自动转灰度）
    
    返回:
        hist_prob: 长度为256的numpy数组，hist_prob[k]为灰度级k出现的概率
        total_prob: 所有概率之和（应等于1.0）
    """
    # 1. 读取图像并转为灰度
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        raise ValueError(f"无法读取图像: {image_path}")
    
    # 2. 获取图像尺寸
    h, w = img.shape
    total_pixels = h * w
    
    # 3. 计算直方图（256个灰度级）
    hist = cv2.calcHist([img], [0], None, [256], [0, 256]).flatten()
    
    # 4. 归一化：频数 / 总像素数
    hist_prob = hist / total_pixels
    
    # 5. 验证概率之和
    total_prob = np.sum(hist_prob)
    
    return hist_prob, total_prob

# 使用示例（请将路径替换为实际图像路径）
if __name__ == "__main__":
    # 生成一张测试图像（8x8灰度图，便于人工验证）
    test_img = np.array([
        [0, 0, 1, 1, 2, 2, 3, 3],
        [0, 0, 1, 1, 2, 2, 3, 3],
        [4, 4, 5, 5, 6, 6, 7, 7],
        [4, 4, 5, 5, 6, 6, 7, 7],
        [8, 8, 9, 9, 10, 10, 11, 11],
        [8, 8, 9, 9, 10, 10, 11, 11],
        [12, 12, 13, 13, 14, 14, 15, 15],
        [12, 12, 13, 13, 14, 14, 15, 15]
    ], dtype=np.uint8)
    cv2.imwrite("test_gray.png", test_img)
    
    prob, total = normalize_histogram("test_gray.png")
    
    # 打印非零概率值（便于观察）
    print("灰度级  概率")
    for k in range(256):
        if prob[k] > 0:
            print(f"{k:3d}    {prob[k]:.4f}")
    print(f"\n概率总和: {total:.6f}")
    print(f"验证结果: {'通过' if abs(total - 1.0) < 1e-6 else '失败'}")

运行与验证

依赖环境：Python 3.6+，安装OpenCV（pip install opencv-python）和NumPy（pip install numpy）。

运行方式：直接执行上述脚本。脚本会生成一张8×8的测试图像（灰度级0~15各出现4次，共64像素），然后调用归一化函数处理该图像。

预期输出：由于测试图像中每个灰度级出现4次，总像素64个，因此每个非零灰度级的概率应为4/64=0.0625。程序将打印16个非零概率值（灰度级0~15），每个均为0.0625，最后输出概率总和为1.000000，并显示“验证结果: 通过”。

判定标准：若打印的概率总和与1.0的误差小于1e-6，且每个灰度级概率等于其像素数除以总像素数，则案例实现正确。对于任意输入图像，归一化直方图的所有概率之和恒为1（浮点精度范围内），这是概率分布的基本性质。