如何评价图像增强效果？也就是增强的效果有多好？是不是只用眼睛来看？
从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的感觉上该图像比较协调。因此要求将原直方图通过T(r)调整为均匀分布的。然后反过来按均衡化的直方图去调整原图像，以满足人眼视觉要求的目的。 因为归一化假定 ，由密度函数则有 ，两边积分得，上式表明，当变换函数为r的累积分布函数时，能达到直方图均衡化的目的。对于离散的数字图像，用频率来代替概率，则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 一幅图像sk同rk之间的关系称为该图像的累积灰度直方图。 下面举例说...全部
从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的感觉上该图像比较协调。因此要求将原直方图通过T(r)调整为均匀分布的。然后反过来按均衡化的直方图去调整原图像，以满足人眼视觉要求的目的。
因为归一化假定 ，由密度函数则有 ，两边积分得，上式表明，当变换函数为r的累积分布函数时，能达到直方图均衡化的目的。对于离散的数字图像，用频率来代替概率，则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。
一幅图像sk同rk之间的关系称为该图像的累积灰度直方图。 下面举例说明直方图均衡过程。例：假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级分布列于表中。对其均衡化计算过程如下： 原图像的直方图 均衡后图像的直方图 直方图均衡化示例 （2）直方图规定化 在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。
直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。
对于直方图规定化，下面仍从灰度连续变化的概率密度函数出发进行推导，然后推广出灰度离散的图像直方图规定化算法。假设pr(r)和pz(z)分别表示已归一化的原始图像灰度分布的概率密度函数和希望得到的图像的概率密度函数。
首先对原始图像进行直方图均衡化，即求变换函数： 假定已得到了所希望的图像，对它也进行均衡化处理，即 它的逆变换是 这表明可由均衡化后的灰度得到希望图像的灰度。 若对原始图像和希望图像都作了均衡化处理，则二者均衡化的ps(s)和pv(v)相同，即都为均匀分布的密度函数。
由s代替v 得 z=G-1(s)，这就是所求得的变换表达式。根据上述思想，可总结出直方图规定化增强处 理的步骤如下： ①对原始图像作直方图均衡化处理； ②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)； ③用步骤①得到的灰度级s作逆变换z= G-1(s)。
经过以上处理得到的图像的灰度级将具有规定的概率密度函数pz(z)。采用与直方图均衡相同的原始图像数据（64×64像素且具有8级灰度），其灰度级分布列于表中。给定的直方图的灰度分布列于表中。
对应的直方图如下： 原图像的直方图 规定化直方图 原图像的直方图 规定的直方图 规定化后图像的直方图 利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。
图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。下面是一个直方图规定化应用实例。 图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。
通过对比可以看出图(C)的对比度同图（B)接近一致，对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小。收起
