2. 直方图均衡化去雾（HE）

直方图均衡化，说白了就是把图像的灰度分布「拉平」。有雾的图像通常对比度低，灰度集中在中间区域。均衡化就是把这些像素重新分配，让亮的地方更亮，暗的地方更暗。效果嘛——视觉上确实「通透」了。

但我得先泼盆冷水。这个方法简单，但用在去雾上，问题不少。我早期做项目时也踩过坑，后面会细说。

2.1 全局直方图均衡化原理

先看数学本质。对于一张灰度图，灰度级 r 的概率密度函数是：

p(r) = n_r / N

其中 n_r 是灰度 r 的像素数，N 是总像素数。均衡化就是找一个变换 s = T(r)，让输出灰度 s 的分布接近均匀。这个变换就是累积分布函数（CDF）：

s_k = T(r_k) = ∑_{j=0}^{k} p(r_j) = ∑_{j=0}^{k} n_j / N

然后映射到 [0, L-1] 区间：

s_k' = round( s_k × (L-1) )

就这么简单。但简单不等于好用。

2.2 MATLAB 实现与效果分析

MATLAB 里实现全局直方图均衡化，核心就一个函数：histeq。但我建议你手写一遍，理解内部机制。

2.2.1 灰度图均衡化

% 读取有雾图像
I = imread('foggy_scene.jpg');
if size(I, 3) == 3
    I_gray = rgb2gray(I);
else
    I_gray = I;
end

% 方法一：直接调用 histeq
I_eq = histeq(I_gray);

% 方法二：手写均衡化（理解原理）
[counts, bins] = imhist(I_gray);
cdf = cumsum(counts) / numel(I_gray);
cdf_scaled = uint8(cdf * 255);
I_eq_manual = cdf_scaled(I_gray + 1);

% 显示对比
figure;
subplot(2,2,1); imshow(I_gray); title('原始有雾灰度图');
subplot(2,2,2); imhist(I_gray); title('原始直方图');
subplot(2,2,3); imshow(I_eq);   title('均衡化结果');
subplot(2,2,4); imhist(I_eq);   title('均衡化后直方图');

运行这段代码，你会看到直方图被「拉平」了。但图像质量呢？嗯，这里就有问题了。

2.2.2 彩色图均衡化

彩色图不能直接对 RGB 三个通道分别做均衡化。为什么？因为 RGB 通道的亮度信息是耦合的，分开处理会导致颜色失真。我见过不少新手犯这个错。

正确的做法是转换到 HSV 或 Lab 色彩空间，只对亮度通道做均衡化：

% 正确做法：HSV 空间，只处理 V 通道
I = imread('foggy_scene.jpg');
I_hsv = rgb2hsv(I);
V = I_hsv(:,:,3);
V_eq = histeq(V);
I_hsv(:,:,3) = V_eq;
I_result = hsv2rgb(I_hsv);

% 错误做法（别学这个）
% I_r = histeq(I(:,:,1));
% I_g = histeq(I(:,:,2));
% I_b = histeq(I(:,:,3));
% I_wrong = cat(3, I_r, I_g, I_b);  % 颜色完全偏掉

2.2.3 效果分析

我们来看一组典型结果。用一张浓雾图像测试：

看到了吗？对比度和信息熵确实提升了，但代价是颜色失真和伪影。尤其是天空区域，原本均匀的灰度被拉伸成一块一块的，这就是「过度增强」的典型表现。

2.3 局限性讨论

直方图均衡化去雾的局限性，我总结为三点。这些坑，我在项目中都遇到过。

2.3.1 颜色失真问题

这是最明显的问题。均衡化不考虑色彩的自然分布，只是机械地拉伸灰度。结果就是：天空变蓝得发紫，树叶绿得不自然，人脸变成「阿凡达」。

我曾经做一个安防监控的去雾项目，用 HE 处理后，原本灰色的水泥路面变成了紫色。客户直接问：「你们这是给路面刷漆了吗？」——嗯，从那以后我再也不敢对监控图像直接用 HE 了。

2.3.2 过度增强与伪影

均衡化对像素密集的区域拉伸幅度大。有雾图像中，远景区域（天空、远山）的灰度分布本来就窄，均衡化后会被过度拉伸，产生块状伪影。

你想想看，原本天空的灰度范围是 [180, 200]，只有 21 个灰度级。均衡化后要扩展到 [0, 255]，中间必然出现断层。这就是伪影的来源。

2.3.3 噪声放大

均衡化对暗区域的拉伸特别厉害。有雾图像的暗部往往包含噪声，均衡化后噪声也被放大了。结果是：雾是去掉了，但图像变得「脏兮兮」的。

2.3.4 局限性总结

我把 HE 的适用场景和不适用场景整理成一张表：

说白了，HE 适合「锦上添花」，不适合「雪中送炭」。如果雾很轻，用 HE 提一下对比度还行。如果雾很浓，还是老老实实用后面章节的物理模型方法吧。

2.4 知识体系图

下面这张图总结了本章的核心逻辑。从原理到实现，再到局限性，一条线串起来。

这张图把 HE 的「从原理到落地」讲清楚了。你记住一句话：HE 是增强工具，不是去雾模型。用它做预处理可以，但别指望它能解决真正的去雾问题。