【16位RAW图像处理三】直方图均衡化及局部直方图均衡用于16位图像的细节增强。

通常我们生活中遇到的图像，无论是jpg、还是png或者bmp格式，一般都是8位的（每个通道的像素值范围是0-255），但是随着一些硬件的发展，在很多行业比如医疗、红外、航拍等一些场景下，拥有更宽的量化范围的图像也越来越常见，比如10位（带宽1024）、12位（带宽4096）、14位（带宽16384）以及16位（带宽32768）的图像，当然还有以浮点数保存的高动态图像(hdr格式的那种),但是目前大部分的显示器还是只支持8位图像的显示，因此，对于这一类图像，一个很重要的问题就是如何将他们的数据量化到0到255之间，而且尽量的保留更多的细节信息，这也就是常见的HDR到LDR的过程。在我前面的博客里其实也有讲到这方面的信息，本文再尝试将直方图均衡化引入到这个过程中。

首先，我们统一一下由一组ushort数据（带宽是10、12、14、16的Raw图像，都可以用ushort数据类型表示）直接量化为8位显示的函数，这样我们的处理就可以集中在原始的ushort数据经过算法处理后得到新的ushort数据的过程。这个函数简单如下所示：

//    这个只是个辅助用来显示的函数
int IM_ConvetUshortToByte(unsigned short *Src, unsigned char *Dest, int Width, int Height, int Stride, int WindowWidth, int WindowLevel)
{
    int Channel = Stride / Width;
    int Min = WindowLevel - WindowWidth / 2;
    int Max = WindowLevel + WindowWidth / 2;
    if (Min < 0) Min = 0;
    if (Max > 65535) Max = 65535;
    int Diff = Max - Min;
    if (Diff == 0)
    {
        memset(Dest, Max, Height * Stride * sizeof(unsigned char));
    }
    else
    {
        unsigned char Table[65536];
        for (int X = 0; X < 65536; X++)
        {
            if (X < Min)            
                Table[X] = 0;
            else if (X > Max)
                Table[X] = 255;
            else
                Table[X] = IM_ClampToByte((X - Min) * 255 / Diff);
        }
        for (int Y = 0; Y < Height; Y++)        
        {
            unsigned short *LinePS = Src + Y * Width * Channel;
            unsigned char *LinePD = Dest + Y * Stride;
            for (int X = 0; X < Width * Channel; X++)
            {
                LinePD[X] = Table[LinePS[X]];
            }
        }
    }
    return IM_STATUS_OK;
}

　　其中的WindowWidth表示窗宽，WindowLevel表示窗位，这个其实是借助了医学图像上的一些概念，对于普通的RAW图像，比如12位，我们通常就认为WindowWidth = 1 << 12 = 4096，而WindowLevel则就为窗宽的一半。

一般来说，RAW图像中的数据每一行是没有冗余量的，即没有BMP位图中所谓的扫描行对齐的概念。所以可以直接遍历每一个数据。

那么我们来看看如何把普通的直方图均衡化算法利用到RAW图像中来。

以灰度图为例，如果已经统计了图像的直方图，则直方图均衡化的新的隐射曲线由以下代码获取：

for (int Y = 0, Num = 0; Y < 256; Y++)
{
    Num = Num + Histgram[Y];
    Table[Y] = (unsigned char)(((float)Num * 255) / (Width * Height）);            // 注意(float)强制转换的位置，否则对于大图就溢出了，2014.11.1修正
}

简单的，扩展到ushort类型的RAW图像，我们也可以用以下的类似代码搞定：

for (int Y = 0, Num = 0; Y < WindowWidth; Y++)
{
    Num = Num + Histgram[Y];
    Table[Y] = (unsigned short)(((float)Num * WindowWidth) / (Width * Height）);            // 注意(float)强制转换的位置，否则对于大图就溢出了，2014.11.1修正
}

关于这个WindowWidth，我觉得一般可以由两种方法得到，一个是我们已经知道了这个硬件生成的图像是多少位的，常见的就是10、12、14、16等，这个时候WindowWidth可以直接指定，而如果只有RAW数据，一种方式就是根据数据的最大值来确定WindowWidth，即取大于最大值的2的整数次幂的那个值。
如下代码所示：

ushort MaxValue = IM_GetMaxValue(ImageData, ImageWidth * ImageHeight * ImageChannel);
int ProperWindowWidth = 1;
while (ProperWindowWidth < MaxValue)
    ProperWindowWidth *= 2;
WindowWidth = ProperWindowWidth;
WindowLevel = WindowWidth / 2;

这个简单的数据范围的调整，我们看下一些效果：