1. 直方图基础
图像直方图，说白了就是一张统计图。它告诉你图像里每种亮度值出现了多少次。我刚开始接触数字图像处理时，觉得这玩意儿太简单了——不就是数数吗？后来才发现，直方图是理解图像本质的钥匙。
什么是图像直方图
想象你有一张灰度图，每个像素的亮度在 0 到 255 之间。直方图就是统计每个亮度值有多少个像素。横轴是亮度值，纵轴是像素个数。
举个例子：一张纯黑的图，所有像素都是 0。它的直方图就只在 0 的位置有一根柱子，其他位置全是 0。一张曝光过度的图，像素都集中在 200 以上。直方图能一眼看出图像的明暗分布。
核心理解：直方图不关心像素的位置，只关心像素的数值分布。两张完全不同的图，可能有完全相同的直方图。
直方图的数学定义
数学上，直方图可以写成这样：
h(r_k) = n_k其中：
- r_k 是第 k 个灰度级（比如 0, 1, 2, ..., 255）
- n_k 是灰度级 r_k 出现的像素个数
- h(r_k) 就是该灰度级的频数
更常用的是归一化直方图：
p(r_k) = n_k / NN 是图像总像素数。p(r_k) 表示灰度级 r_k 出现的概率，所有 p(r_k) 加起来等于 1。
我的习惯：做直方图分析时，我几乎只用归一化版本。因为不同尺寸的图像，原始频数没法直接比较。归一化后，概率分布才是真正有意义的。
直方图的性质
直方图有几个重要性质，我在项目中吃过亏才真正记住它们：
| 性质 | 说明 | 实际意义 |
|---|---|---|
| 位置无关性 | 直方图不包含空间信息 | 平移、旋转图像，直方图不变 |
| 可加性 | 子区域直方图之和等于整体直方图 | 可以分块处理再合并 |
| 唯一性 | 一张图只有一个直方图 | 但不同图可能有相同直方图 |
| 离散性 | 灰度级是离散的整数 | 处理时要注意量化误差 |
我曾经踩过的坑：做图像匹配时，我直接用直方图相似度判断两张图是否相同。结果一张猫和一张狗，因为整体亮度分布相似，直方图居然高度重合。嗯，从那以后我再也不敢只靠直方图做匹配了。
直方图的可视化
可视化直方图，最常见的就是柱状图。但实际工程中，我们更常用折线图或曲线图，因为更平滑、更容易观察趋势。
下面这张 SVG 图展示了本章的知识体系：
如何读取直方图
拿到一张图的直方图，我一般会看这几个点：
- 峰值位置：像素集中在暗部还是亮部？
- 分布宽度：对比度高不高？分布越宽，对比度越高。
- 是否有断档：某些灰度级完全没有像素？说明量化损失了细节。
- 多峰分布：可能有多个物体或区域，每个峰对应一个主要亮度。
我建议：刚开始学的时候，找几张不同风格的图——夜景、雪景、人像、文档扫描件——分别看它们的直方图。看多了，你就能凭直方图反推图像的大致样子。这能力在调试图像处理算法时特别有用。
直方图与图像质量
直方图还能反映图像质量。你想想看：
- 曝光不足：直方图整体偏左，右边大片空白
- 曝光过度：直方图整体偏右，左边大片空白
- 低对比度：直方图集中在中间窄带
- 高对比度：直方图覆盖整个范围，两端都有像素
这些特征，一眼就能看出来。我在做图像采集系统时，就用直方图实时监控相机曝光是否正常。比人眼判断快多了。
小结
直方图是图像处理的地基。它简单，但强大。理解直方图，你就能看懂图像的「脾气」——是暗是亮，对比度够不够，细节有没有丢失。后面的均衡化和规定化，都是在这个地基上盖房子。
嗯，这一章就到这里。记住：直方图不完美，但它是最直观的图像统计工具。用好它，你的图像处理之路会顺畅很多。