1. 图像直方图基础

图像直方图，说白了就是一张图的「像素统计报告」。我刚开始接触图像处理时，总觉得这玩意儿不就是个柱状图嘛，有啥好学的？直到有一次做工业检测项目，产品表面瑕疵死活看不出来，一画直方图，问题立马暴露——嗯，从那以后我再也不敢小看它了。

1.1 直方图的核心概念

什么是直方图？简单说，它统计了图像中每个灰度级（或颜色通道）上出现了多少个像素。横轴是灰度值（0~255），纵轴是像素个数或频率。

举个例子。一张 256×256 的图像，总共 65536 个像素。如果灰度值 128 上有 1024 个像素，那直方图在 128 处的柱高就是 1024。你想想看，这能告诉我们什么？

• 图像整体亮度——柱子集中在左边，图偏暗；集中在右边，图偏亮。
• 对比度高低——柱子分布窄，对比度低；分布宽，对比度高。
• 是否有过曝/欠曝——柱子顶到 0 或 255 边界，说明有信息丢失。

1.2 灰度直方图

灰度直方图是最基础的形式。它只处理单通道灰度图像，横轴 0~255，纵轴像素计数。

在 MATLAB 里，画灰度直方图就一行代码：

% 读取灰度图像
img = imread('cameraman.tif');
% 显示直方图
imhist(img);
% 或者获取数据
[counts, binLocations] = imhist(img);

这里 counts 是每个灰度级的像素个数，binLocations 是对应的灰度值。我个人习惯用 imhist 快速预览，用 histogram 做更精细的控制。

直方图形态	图像特征	常见场景
窄峰居中	低对比度，灰度集中	雾天、水下图像
双峰分布	前景与背景分离明显	文档扫描、细胞图像
单峰偏左	整体偏暗	夜景、低光照
单峰偏右	整体偏亮	过曝、雪景
均匀分布	高对比度，细节丰富	理想增强目标

1.3 彩色直方图

彩色图像有 R、G、B 三个通道。彩色直方图就是分别统计每个通道的像素分布。你可以把三个通道的直方图叠在一起看，也可以分开看。

MATLAB 实现：

% 读取彩色图像
img = imread('peppers.png');
% 分别提取通道
R = img(:,:,1);
G = img(:,:,2);
B = img(:,:,3);
% 画三个通道的直方图
subplot(1,3,1); imhist(R); title('Red Channel');
subplot(1,3,2); imhist(G); title('Green Channel');
subplot(1,3,3); imhist(B); title('Blue Channel');

这里有个坑——RGB 三个通道的直方图形态差异很大，说明图像颜色偏某个色调。比如红色通道直方图整体偏右，那图像就偏红。

1.4 直方图的重要性质

直方图有几个性质，搞懂了它们，你才能用好直方图。我列了四个最关键的：

1. 位置无关性——直方图不包含像素的空间位置信息。你把图像像素随机打乱，直方图完全不变。这意味着什么？直方图只能告诉你「有什么」，不能告诉你「在哪」。
2. 可叠加性——两张图像的直方图可以直接相加（像素数对应相加）。这个性质在做图像拼接、区域统计时很有用。
3. 归一化不变性——直方图除以总像素数，得到概率密度函数。归一化后，不同尺寸图像的直方图可以互相比较。
4. 单峰/多峰特性——峰的数量和位置，直接反映了图像中主要灰度区域的分布。双峰图像通常适合做阈值分割。

1.5 知识体系总览

下面这张图，是我梳理的本章知识结构。你可以把它当作学习地图：

这张图把本章的三个核心模块串起来了。灰度直方图和彩色直方图是「工具」，直方图性质是「原理」。先理解性质，再掌握工具，后面做直方图均衡化、规定化时才能得心应手。