JavaScript图像处理 - 直方图均衡(Histogram Equalization)

图像亮度与对比度的调整通常能够略微提升图像的整体质量，但若希望达到理想的优化效果，往往需要多次尝试不同的参数配置。采用一种自动化的图像亮度与对比度调整方法，可以有效减少这一过程中的繁琐操作。直方图均衡正是这样一种算法。该算法通过分析图像中各个像素点的亮度分布情况，自动推导出一个最优的变换方式，使得变换后的像素亮度值在0至255之间实现较为均匀的分布，从而最大限度地利用所有可用的像素值。

直方图均衡的基本原理较为直观，其核心在于首先统计图像中各像素亮度值I(x,y)的概率分布函数（probability distribution function）p(I)，然后基于该分布函数计算出对应的累积分布函数（cumulative distribution function）c(I)。直方图均衡的目标是使处理后的图像概率分布函数趋近于均匀分布状态，即满足p(I') = 常数，并且对应的c(I') = I' * k，其中k为一固定常数。更详细的推导过程可参考这篇文章。此处仅作简要说明。

以灰度图像为例，其亮度值的概率分布p(I)可通过以下方式计算得出：

p(I) = (亮度为I的像素数量)/(图像宽度 × 图像高度)

而累积分布函数c(I)