1. 直方图基础

各位同学，咱们今天正式开篇。聊医学影像增强，绕不开的第一个概念就是直方图。

说白了，直方图就是一张图像的“家底清单”。它不关心像素在哪儿，只关心每种亮度值出现了多少次。我刚开始接触医学影像时，总觉得这玩意儿太简单，不就是个统计图嘛。后来在做一个CT骨窗增强的项目时，发现图像对比度死活调不对，回头一看直方图——好家伙，像素全挤在中间一段，两端完全是空的。那一刻我才真正明白：直方图是图像处理的第一道“体检报告”。

1.1 什么是图像直方图？

图像直方图，是对图像中像素灰度级分布的统计描述。对于一张8位深度的灰度图像，其灰度级范围是0到255。直方图统计每个灰度级上像素出现的个数或概率。

你可以把它想象成一个“投票箱”：每个像素根据自己的亮度值，往对应的箱子里投一票。最终，我们看到的柱状图就是这些票数的分布情况。

1.2 直方图的数学定义

咱们来点硬核的。假设一张灰度图像 f(x, y)，其灰度级范围为 [0, L-1]（对于8位图，L=256）。

直方图的离散函数定义为：

h(r_k) = n_k

其中：

• r_k：第 k 个灰度级
• n_k：图像中灰度级为 r_k 的像素个数

更常用的是归一化直方图，即概率密度函数（PDF）：

p(r_k) = n_k / (M × N)

其中 M × N 是图像的总像素数。归一化后，所有 p(r_k) 之和为1。

1.3 直方图的可视化

可视化方式主要有两种：

可视化方式	描述	适用场景
柱状图	横轴为灰度级，纵轴为频数或概率	快速观察分布形态、峰值位置
累积分布曲线	横轴为灰度级，纵轴为累积概率	直方图均衡化、规定化计算

嗯，这里要注意：柱状图能直观告诉你“哪里像素多”，而累积分布曲线则告诉你“到某个灰度级为止，总共覆盖了多少像素”。后者在后续的直方图规定化中至关重要。

1.4 直方图与图像特征的关系

不同的图像特征，在直方图上会有明显的“指纹”。我整理了一个对照表，方便你快速判断：

图像特征	直方图表现	医学影像示例
偏暗图像	像素集中在低灰度区（左侧）	曝光不足的X光片
偏亮图像	像素集中在高灰度区（右侧）	过曝的DR图像
低对比度	像素集中在中间窄带区域	软组织CT窗宽过窄
高对比度	像素分布均匀，覆盖整个灰度范围	增强后的血管造影
多峰分布	出现两个或多个明显的峰值	含有骨骼和软组织的X光片

1.5 直方图知识体系总览

为了让你对整个章节的知识结构有个全局印象，我画了一张图：

1.6 一个简单的直方图计算示例

光说不练假把式。假设我们有一张3×3的微型图像：

像素值矩阵：
[50, 50, 100]
[50, 100, 200]
[100, 200, 200]

我们来手动计算它的直方图：

灰度级 (r_k)	频数 (n_k)	概率 p(r_k)
50	3	3/9 = 0.333
100	3	3/9 = 0.333
200	3	3/9 = 0.333

你看，这张图的直方图是均匀分布的——每个灰度级恰好出现3次。这种分布意味着图像具有较高的对比度。在实际医学影像中，这种均匀分布往往是增强处理追求的目标之一。