4. 直方图规定化原理

上一章我们聊了直方图均衡化，它像个自动挡——你只管踩油门，它自己帮你把对比度拉到最满。但实际项目中，我经常遇到这样的需求：“我不要最均衡，我就要某个特定的亮度分布”。

比如医学影像中，医生希望增强后的图像直方图接近某个标准模板；又比如遥感图像处理，我想让不同时相拍摄的影像具有一致的亮度统计特性。这时候，均衡化就力不从心了。嗯，这就是直方图规定化（Histogram Specification）登场的时刻。

4.1 规定化的动机与定义

说白了，规定化就是“给定一个目标直方图，让原图的直方图去匹配它”。你想想看，均衡化只是规定化的一个特例——目标直方图是均匀分布。

我在做工业视觉检测项目时，遇到过一条产线上不同批次产品亮度差异巨大。均衡化虽然能拉对比度，但不同批次增强后的效果不一致，导致后续分类器频繁误判。后来我改用规定化，把所有图像都映射到同一个标准直方图上，问题就解决了。

数学上，规定化可以看作两步走：

1. 对原图做均衡化，得到 s = T(r)，其中 s 是均匀分布的。
2. 对目标直方图也做均衡化，得到 v = G(z)，其中 v 也是均匀分布的。
3. 既然 s 和 v 都是均匀分布，那让 s = v，反解出 z = G^-1(s)。

听起来很完美对吧？但实际中，离散灰度级是整数，G^-1 往往不是一一映射。这就引出了两种经典的映射策略。

4.2 单映射规则（SML）

SML 的全称是 Single Mapping Law，也叫最近邻映射。它的思路很简单：

对于原图均衡化后的每个灰度级 s_k，在目标均衡化后的灰度级 v_l 中，找到最接近的那个，建立映射 s_k → v_l。

伪代码长这样：

// SML 映射
for each s_k in 原图均衡化后的灰度级:
    min_diff = INF
    best_l = -1
    for each v_l in 目标均衡化后的灰度级:
        diff = |s_k - v_l|
        if diff < min_diff:
            min_diff = diff
            best_l = l
    map[s_k] = best_l

我曾经在一个实时视频处理项目里用过 SML，因为计算量小，每帧处理时间能控制在 5ms 以内。但画面偶尔会出现“阶梯状”的亮度跳变，尤其是在暗部区域。后来我换成了 GML，效果就好多了。

4.3 组映射规则（GML）

GML（Group Mapping Law）是 SML 的改进版。它的核心思想是：不单独映射每个 s_k，而是把连续的 s_k 分组，整组映射到同一个 v_l。

具体做法是：

1. 从 s₀ 开始，累加原图均衡化后的像素数。
2. 当累加数超过目标均衡化中某个 v_l 的像素数时，就把这一组 s_k 映射到 v_l。
3. 继续下一组，直到所有 s_k 都被分配。

GML 的伪代码：

// GML 映射
sum = 0
group_start = 0
for l = 0 to L-1:
    target_count = 目标直方图中灰度级 v_l 的像素数
    while sum < target_count and group_start <= s_max:
        sum += 原图均衡化后灰度级 s[group_start] 的像素数
        group_start++
    // 将 s[group_start-1] 到 s[group_start] 映射到 v_l
    for k = group_start_prev to group_start-1:
        map[s_k] = v_l
    group_start_prev = group_start

4.4 SML vs GML：一张表说清楚

对比维度	SML（单映射）	GML（组映射）
映射粒度	每个 sk 单独找最近邻	多个 sk 成组映射
计算复杂度	O(L²)，L 为灰度级数	O(L)，线性扫描
直方图匹配精度	较差，易出现空洞	较好，分布更平滑
适用场景	快速原型、实时性要求极高	质量优先、离线处理
我的推荐	不推荐用于正式产品	默认选择

4.5 两种映射规则的流程对比

下面这张 SVG 图直观展示了 SML 和 GML 在映射过程中的差异。你可以看到 SML 是“点对点”的最近邻匹配，而 GML 是“段对点”的累积匹配。

4.6 实际项目中的选择建议

说了这么多理论，到底该用哪个？我根据多年经验总结了几条：

• 如果追求极致速度（比如嵌入式设备、实时视频），SML 勉强可用，但要做好直方图有瑕疵的心理准备。
• 如果追求质量（比如医学影像、遥感图像），无脑选 GML。多出来的那点计算时间，换来的是更平滑的视觉效果。
• 如果目标直方图本身就很稀疏（比如只有几个灰度级），SML 和 GML 的差异会缩小，但 GML 仍然更稳定。