影像直方圖是一種統計方法，用來描述影像中像素亮度的分布情況，能協助分析影像曝光、對比度與細節。
直方圖均衡化則能增強影像的對比度，使暗處更清晰、亮處不易過曝，提升整體視覺效果。

🖼 測試圖片準備

請準備一張圖片 image.jpg，並放在與程式同一資料夾。

import cv2

img = cv2.imread('image.jpg', 0)  # 灰階讀取
cv2.imshow('Gray Image', img)

# 將以下程式碼放在所有顯示語句的最後面
cv2.waitKey()
cv2.destroyAllWindows()

🔹 1. 計算灰階直方圖 (cv2.calcHist)

# 計算灰階直方圖
hist = cv2.calcHist([img], [0], None, [256], [0,256])
print("直方圖前 10 筆數據：", hist[:10].T)

輸出結果

直方圖前 10 筆數據： [[ 0.  1.  0.  1.  0.  1.  5.  7. 10. 22.]]

📌 參數說明

cv2.calcHist(images, channels, mask, histSize, ranges)

• images → 輸入影像
• channels → [0] 表示灰階
• mask → None 表示整張圖片
• histSize → [256] 表示分成 256 個灰階級別
• ranges → [0,256] 表示灰階範圍

🔹 2. 直方圖均衡化（cv2.equalizeHist）

# 直方圖均衡化
equalized = cv2.equalizeHist(img)

# 顯示結果
cv2.imshow("Original", img)
cv2.imshow("Equalized", equalized)

效果：原本暗的圖片會變得更清晰，細節與對比度提升。

🔹 3. 彩色圖片的直方圖均衡化（YCrCb 色彩空間）

# 讀取彩色影像
img_color = cv2.imread('image.jpg')


# 轉換到 YCrCb 色彩空間
ycrcb = cv2.cvtColor(img_color, cv2.COLOR_BGR2YCrCb)
# 只均衡化亮度通道 Y
ycrcb[:, :, 0] = cv2.equalizeHist(ycrcb[:, :, 0])
# 轉回 BGR
equalized_color = cv2.cvtColor(ycrcb, cv2.COLOR_YCrCb2BGR)
cv2.imshow("Original Color", img_color)
cv2.imshow("Equalized Color", equalized_color)

📌 功能

• 增強對比度，特別適合亮度不足或光照不均的圖片。
• 只針對亮度通道均衡化，可避免色彩失真。

📊 方法比較

比較：灰階均衡化適合單色影像，彩色均衡化建議只處理亮度通道，能有效提升細節又不影響色彩。

📖 今日結語

直方圖能幫助我們了解影像的亮度分布，而直方圖均衡化則能有效改善影像的對比度與細節。
在彩色圖片中，通常只針對亮度通道進行均衡化，避免破壞原有色彩。這些技術在醫學影像、監控、低光源場景等應用中非常實用。