MATLAB的直方图均衡有什么问题？

Question

我正在尝试对16位灰度图像进行直方图均衡化，原始直方图如下所示，其灰度级约为25000：

我最初是使用MATLAB的，但是由于某种原因，输出中的总水平显着降低（只有21！）。我尝试手动分配一个箱数为20,000，但输出水平仍然很小（67）。

然后我在Python中尝试了Scikit-Image，并且一切都按预期方式工作-输出现在具有16,500个级别，直方图几乎持平。

这是MATLAB命令：

J = histeq(I,2e4);

这是Python命令：

img_eq_sk = exposure.equalize_hist(img_16bit)

由于直方图均衡是这样的基本操作，所以我希望MATLAB和Python的行为类似，但是根据此MATLAB的结果甚至不如Skimage的结果好。

Answer 1

我可以验证您看到的内容

I = uint16(randn(1000,1000) * 5000 + 3e4);
imhist(I)
size(unique(I(:))) % returns: 31290 unique gray values

J = histeq(I,8e5); % actually uses only 6.5e4, the max for uint16
imhist(J)
size(unique(J(:))) % returns: 158 unique gray values

K = histeq(im2double(I),8e5);
imhist(K)
size(unique(K(:))) % returns: 175 unique gray values

当需要显着扩展输入值时，许多不同的灰度值最终会出现在同一出纸槽中，并且许多出纸槽仍为空。

当查看带有双重图像的结果时（上面的代码中的K），可以看到随着参数histeq的增加，唯一输出灰度级的数量会增加。

也就是说，不仅将输入量化为输出的固定数量的值（在上面的示例中为800,000）。因此，如果这些出纸槽中的许多都是空的，那么几乎没有不同的输出灰度值。

正如OP中使用的Python实现所看到的那样，不需要以这种方式实现直方图均衡化。但是，似乎这种实现方式并没有错，只是不必要地量化了输出。

但是，由于直方图均衡化仅对可视化有用，并且由于对于可视化，一个人不需要超过100个不同的灰度值（无论如何我们都不能分辨出更多），因此输出量化应不是主要问题。如果您将直方图均衡化用于其他任何事情（即图像分析和量化），那么您做错了！