1. 直方图基础：图像直方图概念、性质与可视化
各位同学，咱们今天聊点实在的。图像直方图，说白了就是一张图的「像素户口本」。你想想看，一张图片里每个像素的亮度值是多少，分布得均匀不均匀，直方图一眼就能告诉你。我刚开始接触图像处理时，总觉得这玩意儿就是个统计图表，没什么大不了的。直到有一次做工业检测项目，产品表面瑕疵死活检测不出来，最后发现是光照不均导致直方图分布出了问题。嗯，从那以后我再也不敢小看它了。
1.1 什么是图像直方图？
图像直方图，本质上是一个离散函数。它统计了图像中每个灰度级出现的像素个数。对于一张 8 位灰度图，灰度级范围是 0~255，直方图就统计这 256 个值各自出现了多少次。
用数学语言表达就是：
h(r_k) = n_k其中 r_k 是第 k 个灰度级，n_k 是该灰度级对应的像素数量。就这么简单。
但别小看这个简单的统计量。我在项目中见过太多人，上来就调各种高级算法，结果效果还不如先看一眼直方图来得直接。直方图就是图像的「体检报告」，哪里暗了、哪里亮了、哪里对比度不够，一目了然。
核心要点：直方图只统计像素出现的频率，不记录像素的空间位置。也就是说，两张内容完全不同的图，可能拥有完全相同的直方图。这一点很重要，后面我们会反复提到。
1.2 直方图的性质
直方图有几个关键性质，我建议大家记牢。这些性质在后续的均衡化和规定化操作中会反复用到。
| 性质 | 说明 | 实际意义 |
|---|---|---|
| 归一化性 | 所有灰度级的像素数之和等于图像总像素数 | ∑h(r_k) = 总像素数，可用于验证统计是否正确 |
| 可加性 | 多张图的直方图可以叠加 | 适合做批量图像统计，比如分析一个视频序列的整体亮度分布 |
| 平移不变性 | 图像平移后，直方图不变 | 直方图不关心物体在画面中的位置 |
| 旋转不变性 | 图像旋转后，直方图不变 | 同样，旋转也不影响像素值的统计分布 |
| 尺度不变性 | 图像缩放后，直方图形状基本不变（需归一化） | 适合做不同分辨率图像的对比分析 |
我的经验：归一化直方图在实际项目中更常用。把每个灰度级的像素数除以总像素数，得到的就是概率分布。这样不管图像多大，直方图都能直接对比。我曾经用这个方法快速筛选了一批不同分辨率的监控图像，找出曝光异常的帧，效率非常高。
1.3 直方图可视化方法
光看数字没意思，咱们得把直方图画出来。OpenCV 提供了 calcHist 函数，用起来非常顺手。我个人习惯用 Matplotlib 来展示，因为它的图表更美观，适合做汇报。
下面是一个完整的示例代码：
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 读取图像（灰度模式）
img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)
# 计算直方图
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
# 可视化
plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.imshow(img, cmap='gray')
plt.title('原始图像')
plt.axis('off')
plt.subplot(1, 2, 2)
plt.plot(hist, color='blue')
plt.title('灰度直方图')
plt.xlabel('灰度级')
plt.ylabel('像素数')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()这段代码会生成两张图：左边是原始灰度图，右边是它的直方图曲线。你一眼就能看出图像的亮度分布情况。
注意：cv2.imread 默认以 BGR 格式读取彩色图像。如果你直接对彩色图做灰度直方图，记得先转成灰度图，或者指定 cv2.IMREAD_GRAYSCALE 参数。我曾经在这个坑里摔过一次，调试了半天才发现是通道顺序搞错了。
1.4 直方图能告诉我们什么？
拿到一张直方图，你能读出哪些信息？我总结了几个常见模式：
- 偏暗图像：直方图集中在左侧（低灰度级区域），右侧几乎没数据。说明图像整体曝光不足。
- 偏亮图像：直方图集中在右侧（高灰度级区域），左侧几乎没数据。说明图像过曝。
- 低对比度图像：直方图集中在中间一段，两端没有延伸。图像看起来灰蒙蒙的，像蒙了一层雾。
- 高对比度图像：直方图分布均匀，从暗到亮都有覆盖。图像细节丰富，层次感强。
- 多峰分布：直方图出现多个波峰。通常意味着图像中有多个亮度差异明显的区域，比如前景和背景。
你想想看，这些信息对后续的图像增强有多重要？直方图均衡化，说白了就是把分布不均匀的直方图「拉平」，让像素分布更均匀。而直方图规定化，则是把直方图「塑形」成你想要的样子。这些操作的前提，都是你得先读懂直方图。
1.5 本章知识体系
为了让大家更直观地理解直方图在整个课程中的位置，我画了一张结构图：
这张图把本章的知识点串起来了。从直方图的基本概念出发，理解它的核心性质，掌握可视化方法，最后为后续的均衡化和规定化打下基础。每一步都环环相扣，缺一不可。
1.6 小结
直方图是图像处理中最基础、最直观的工具之一。它不复杂，但很重要。我建议你拿到一张图后，第一件事就是看看它的直方图。养成这个习惯，很多问题在动手之前就能发现。