4. 局部直方图处理思想：为什么需要局部处理？核心动机
好，咱们进入第四章。前面几章我们把全局直方图均衡化（HE）讲透了。你可能会想：既然全局均衡化能增强对比度，那为什么还要搞什么“局部处理”？
说实话，我刚开始学的时候也有这个疑问。直到我在项目中处理一张背光照片——人脸黑成一团，背景却亮得刺眼。全局均衡化一上去，人脸是亮了，但背景直接过曝，细节全没了。那一刻我才意识到：全局方法搞不定光照不均。
4.1 全局均衡化的“死穴”
全局直方图均衡化，说白了就是把整张图的像素拉均匀。它只关心全局统计，不关心像素在哪儿。
你想想看，一张图里既有暗区又有亮区，全局均衡化会怎么做？它会“和稀泥”——把暗区的像素往亮处拉，亮区的像素往暗处压。结果就是：暗区细节出来了，但亮区细节丢了。
核心矛盾：全局均衡化假设整张图的光照是均匀的。但现实中的图像，光照几乎总是不均匀的。
我举个例子。一张医学X光片，骨骼区域很亮，软组织区域很暗。全局均衡化会把软组织提亮，但同时也会把骨骼区域的对比度压下去。医生要看的是局部细节，不是整张图的“平均好看”。
| 场景 | 全局均衡化效果 | 问题 |
|---|---|---|
| 背光人像 | 人脸变亮，背景过曝 | 亮区细节丢失 |
| 医学X光片 | 整体对比度提升 | 骨骼/软组织区分度下降 |
| 夜间监控 | 暗区可见，灯光区发白 | 高亮区域信息被淹没 |
| 遥感图像 | 地物轮廓变清晰 | 阴影/高光区细节模糊 |
嗯，这里要注意：全局均衡化不是不能用。对于光照均匀、内容单一的图像（比如标准测试图），它效果很好。但一旦遇到光照变化大的场景，它就露怯了。
4.2 局部处理的核心思想
局部直方图处理的想法其实很朴素：把图像切成小块，每块单独做均衡化。
为什么这样能行？因为每个小块内的光照可以近似认为是均匀的。你在暗区里做均衡化，只拉伸暗区的对比度；在亮区里做均衡化，只调整亮区的细节。互不干扰。
我个人习惯把局部处理比作“分而治之”的策略：
- 分：把图像划分成若干个小区域（窗口/块）
- 治：对每个小区域独立计算直方图并做均衡化
- 合：把处理后的区域拼回完整图像
这样做的好处很明显——每个局部都能获得最佳的对比度拉伸，不会因为全局统计而被“平均掉”。
我的经验：局部窗口的大小是关键参数。窗口太小，噪声会被放大；窗口太大，又退化成全局均衡化。我一般从图像尺寸的1/8开始试，再根据效果微调。
4.3 核心动机：为什么非局部不可？
咱们把动机梳理清楚。为什么要用局部处理？三个字：光照变。
- 光照不均匀：背光、侧光、聚光灯……现实世界的光照很少是均匀的。全局方法处理不了这种“局部亮、局部暗”的情况。
- 细节在局部：人眼观察图像时，关注的是局部对比度，不是全局。比如你看一张人脸，你会看眼睛、鼻子、嘴巴这些局部区域的细节，而不是整张脸的平均亮度。
- 保留边缘信息：全局均衡化容易模糊边缘，因为它在整张图上做平滑的映射。局部处理能更好地保留边缘和纹理。
我曾经处理过一批工业质检图像——金属表面的划痕检测。划痕很细，对比度很低，但背景光照不均匀。全局均衡化根本看不到划痕，局部处理一上去，划痕清清楚楚。这就是局部处理的威力。
4.4 局部 vs 全局：一张图看懂
下面这张SVG图，展示了全局均衡化和局部均衡化的核心区别。
从图上可以看得很清楚：全局方法只做一个直方图统计，然后整张图用同一个映射函数。局部方法把图切成块，每块独立统计、独立映射。结果就是——局部方法能同时照顾到暗区和亮区的细节。
4.5 避坑指南：局部处理不是万能的
说了这么多局部处理的好处，我也得泼点冷水。局部处理有它自己的坑。
我曾经踩过的坑：
- 块效应：块与块之间的边界会出现明显的亮度跳跃。解决办法是用重叠窗口或插值。
- 噪声放大：如果某个块内像素很少（比如纯色区域），直方图统计不稳定，噪声会被放大。
- 计算量大：每个块都要算一次直方图，图像越大、块越多，计算时间成倍增长。
所以，局部处理不是“银弹”。它解决了一个问题，又带来了新问题。但别担心——后面几章我们会讲自适应直方图均衡化（AHE）和限制对比度自适应直方图均衡化（CLAHE），这些方法就是专门来解决这些坑的。
4.6 小结：记住这三句话
这一章的内容，你只需要记住三句话：
- 全局均衡化搞不定光照不均——因为它只做一个全局统计。
- 局部处理的核心是“分而治之”——把图切成块，每块独立处理。
- 局部处理也有代价——块效应、噪声放大、计算量大。