1. 什么是直方图均衡化 直方图均衡化就是通过某种处理使得原始图像的直方图变换为均匀分布的形式。 2. 怎么实现直方图均衡化 r为原始图像的灰度值，s为变换后图像的灰度值（都经过归一化处理，即 ）。由于处理后图像的直方图为均匀分布，那么变换后图像的概率密度为 。 设定，那么。
自适应直方图均衡化(Adaptive histgram equalization/AHE) 普通直方图均衡化使用从图像直方图中导出的相同变换来对所有像素进行变换。当整个图像的像素值分布相似时，这种方法很有效。然而，当图像中包含的区域明显比大多数图像亮或暗时，这些区域的对比度将不会得到足够的增强。自适应
这学期刚学数字图像处理，就遇到了 直方图均匀化这块知识点比较难理解，经过反复的思索总算有所理解。以下是我对直方图均匀化的理解，有不到位之处欢迎指出！ 一、概念及作用 首先我们先了解下其概念以及作用，这是个什么玩意，为什么要用这玩意？ 官方解释：直方图均衡化是图像处理领域中利用
直方图均衡化是使用图像直方图进行对比度调整的图像处理的方法。 该方法通常会增加许多图像的整体对比度，尤其是当图像的可用数据由接近的对比度值表示时。 通过这种调整，强度可以更好地分布在直方图上。 这允许局部对比度较低的区域获得较高的对比度。 直方图均衡化通过有效地分散最
1.背景 人脸识别实施过程中，我们发现拿某一省训练出来的模型在其他省份应用时，性能有约1.3个点的下降，（从99.6降到98.3），因此专门进行了一段时间的优化工作。 2.思路 2.1.数据维度 比较容易想到的，通常效果也会很明显的手段就是添加实施省份的数据，但是由于信息安全问题，一些省份的数据
