4. 直方图规定化

直方图均衡化大家已经掌握了，它确实好用——自动拉伸对比度，效果立竿见影。但有个问题：均衡化后的直方图是固定的，你没法控制它长什么样。

举个例子。你有一张偏暗的医学X光片，希望增强后直方图呈现某种“中间集中、两边渐弱”的分布，而不是均衡化那种近似平坦的分布。这时候，直方图规定化就派上用场了。

说白了，直方图规定化就是“按需定制”。你给一个目标直方图，算法就把原图的直方图往那个形状上靠。我当年第一次用这个功能时，觉得它比均衡化“聪明”多了——虽然实现起来稍微绕一点。

4.1 直方图规定化的数学原理

原理其实不复杂。我尽量用大白话讲清楚：

1. 对原图做均衡化：得到映射关系 s = T(r)，其中 r 是原图灰度，s 是均衡化后的灰度。
2. 对目标直方图做均衡化：得到映射关系 v = G(z)，其中 z 是目标灰度，v 是均衡化后的灰度。
3. 关键一步：让 s = v，然后反解出 z = G⁻¹(s) = G⁻¹[T(r)]。

你想想看，s 和 v 都是均匀分布的，所以它们可以一一对应。找到这个对应关系后，原图的每个灰度 r 就能映射到目标灰度 z 上。

4.2 MATLAB 中的 imhistmatch 函数

MATLAB 从 R2017b 开始提供了 imhistmatch 函数，用起来非常方便。它的核心语法就两行：

% 基本用法：将 A 的直方图匹配到 Ref 的直方图
B = imhistmatch(A, Ref);

% 指定灰度级数（默认 64）
B = imhistmatch(A, Ref, n);

参数说明：

参数	含义	注意事项
A	待处理的输入图像	支持 uint8、uint16、double 等类型
Ref	参考图像（提供目标直方图）	不要求尺寸与 A 相同
n	灰度级数（可选）	默认 64，越大匹配越精细，但计算量也大
B	输出图像	数据类型与 A 一致

4.3 实战：用 imhistmatch 做规定化

来看一个完整的例子。假设我们有一张偏暗的图片，想把它匹配成一张明亮图片的直方图风格：

% 读取原图和参考图
I = imread('dark_image.jpg');
Ref = imread('bright_image.jpg');

% 直方图规定化
J = imhistmatch(I, Ref);

% 显示结果
figure;
subplot(2,3,1); imshow(I); title('原图（偏暗）');
subplot(2,3,2); imshow(Ref); title('参考图（明亮）');
subplot(2,3,3); imshow(J); title('规定化结果');

% 绘制直方图对比
subplot(2,3,4); imhist(I); title('原图直方图');
subplot(2,3,5); imhist(Ref); title('参考图直方图');
subplot(2,3,6); imhist(J); title('结果直方图');

运行这段代码，你会看到结果图的直方图形状和参考图非常接近——这就是规定化的威力。

4.4 自定义映射：自己写规定化代码

有时候，imhistmatch 不能满足所有需求。比如你想把直方图规定成某个数学分布（高斯分布、均匀分布等），或者你想控制映射的细节。这时候就得自己写。

我给大家一个自己实现规定化的模板：

function J = my_histmatch(I, target_hist, L)
    % I: 输入图像（uint8）
    % target_hist: 目标直方图（1×L 向量）
    % L: 灰度级数（默认 256）
    
    if nargin < 3
        L = 256;
    end
    
    % 1. 计算原图的累积分布
    src_hist = imhist(I, L);
    src_cdf = cumsum(src_hist) / sum(src_hist);
    
    % 2. 计算目标直方图的累积分布
    target_cdf = cumsum(target_hist) / sum(target_hist);
    
    % 3. 建立映射表
    map = zeros(L, 1, 'uint8');
    for r = 1:L
        % 找到使 src_cdf(r) 最接近 target_cdf(z) 的 z
        [~, z] = min(abs(src_cdf(r) - target_cdf));
        map(r) = z - 1;  % MATLAB 索引从 1 开始，灰度从 0 开始
    end
    
    % 4. 应用映射
    J = intlut(I, map);
end

4.5 应用场景：什么时候用规定化？

规定化不是万能的，但在以下几个场景中特别好用：

场景	说明	我的建议
图像风格迁移	把一张图的色调风格匹配到另一张图	配合颜色空间转换（如 HSV）效果更好
多传感器图像融合	让不同传感器拍摄的图像具有相似的亮度分布	先做规定化再做融合，能减少拼接痕迹
医学图像标准化	不同设备、不同参数下拍摄的影像，直方图差异大	规定化到同一个参考直方图，方便医生对比
遥感图像增强	让不同时相的遥感影像具有一致的视觉表现	选一张质量好的作为参考，其他都往它匹配

4.6 规定化 vs 均衡化：一张表说清楚

对比项	直方图均衡化	直方图规定化
目标	让直方图近似均匀分布	让直方图匹配指定形状
控制性	自动，不可控	手动，可控
实现复杂度	低（单次映射）	中（两次映射 + 逆映射）
适用场景	通用增强，快速提升对比度	需要特定视觉风格或标准化处理
MATLAB 函数	histeq	imhistmatch

我个人觉得，均衡化是“开盲盒”，规定化是“点菜”。日常快速处理用均衡化，有明确需求时用规定化。两者配合使用，效果往往更好。