图像细节增强（直方图均衡化，对数变换，Gamma变换（校正））
重新梳理图像增强的基础算法，整理之前的笔记。
直方图均衡化（Histogram Equalization）是通过源图像直方图分布变成近似均匀分布，从而增强图像的对比度。
直方图均衡化的基本思想是对在原始图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。
在真实场景中，暗图像的直方图分量集中在图像像素灰度较低的一端，而亮图像的直方图分量偏向于图像像素灰度较高的一端，如下图
当图像的灰度直方图几乎覆盖整个灰度的取值范围，且除个别像素点的灰度值个数较为突出，整幅图像的灰度值分布近似于均匀分布，因此图像就具有较大的灰度动态范围及较高的对比度，且图像的细节更为丰富。在实际的应用中仅仅依靠输入图像的直方图信息，利用变换函数可以将输入图像直方图信息达到上述效果，该变换的过程为直方图均衡化。
在直方图均衡化过程中，①图像像素无论怎么映射，一定要保证原来的大小关系不变，明亮区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，像素映射函数的值域应在0和255之间的。
累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。
对数变换可以拉伸范围较窄的低灰度值，同时压缩范围较宽的高灰度值。用来扩展图像中的暗像素值，同时压缩亮像素值。如公式
S=Clog（1+r）
其中c为常数，r加1可以使函数向左移一个单位，得到的s均大于0。
在傅立叶频谱（幅度谱）的显示。对傅立叶频谱进行对数变化，
如左图中蓝线为变换函数，注意x轴量级为10的7次方，直接被压缩到了0-17.5，效果非常明显。右图是经过对数变换，又经过最大最小值变换后的频谱。
Gamma曲线是一种特殊的色调曲线，当Gamma值等于1的时候，曲线为与坐标轴成45°的直线，这个时候表示输入和输出密度相同。高于1的Gamma值将会造成输出亮化，低于1的Gamma值将会造成输出暗化。总之，我们的要求是输入和输出比率尽可能地接近于1。在显示器、扫描仪、打印机等输入、输出设备中这是一个相当常见并且比较重要的概念。在计算机系统中，由于显卡或者显示器的原因会出现实际输出的图像在亮度上有偏差，而Gamma曲线矫正就是通过一定的方法来矫正图像的这种偏差的方法。一般情况下，当用于Gamma矫正的值大于1时，图像的高光部分被压缩而暗调部分被扩展，当Gamma矫正的值小于1时，图像的高光部分被扩展而暗调部分被压缩，Gamma矫正一般用于平滑的扩展暗调的细节
