直方圖均化(Histogram Equalization)和邊緣偵測(Edge Detection)

直方圖均化(Histogram Equalization) H.E.

圖片的顏色分布可以依照其深淺或顏色的不同畫成直方圖(Histogram)。
以灰階的圖片為例，假設此圖是由每像素256bits所儲存的，則我們可以將橫軸畫分為256等份，由其明暗度來排序，然後將這張圖在不同明暗的點來做統計便得到縱軸的數量，就能畫出一張直方圖。

均化

那麼畫出一張直方圖又有什麼用呢？就是能夠看出這張圖片的明暗分布囉！

如果大多數的點都集中在圖形左側(暗部)，圖片就會偏暗而看不清楚；若是集中在中間，也會因為明暗度的對比低，使得圖片灰濛濛的一片，一樣不易辨識。

所以影像處理中的「直方圖均化」這個技巧就派上用場了！

若將明暗度的分配由上面的集中分散成下面這個樣子，是否會變得比較清楚呢？

是的！原本的圖片是明顯偏暗而難以辨識的Lenna.jpg，透過H.E.馬上就變的清晰多了！那麼過亮的圖片呢？

一樣可以達到很好的效果！因此，當一張圖片統計其明案或彩度而繪成的直方圖明顯集中，就可以用此方法將其色域拉開讓人眼更容易辨識，而在現實生活中也常被用來呈現X光中骨骼結構的細節。

邊緣偵測(Edge Detection)

顧名思義，邊緣偵測就是把整張圖的邊緣偵測到，並且將之明顯的顯示出來。

有個常用到的偵測運算子叫做 - Sobel operator，這個方法就是計算出影像的梯度(gradient)，分別算出垂直梯度和水平梯度，並且取其絕對值相加。

(來源：Wikipedia)

簡單來說，這個演算法就是找尋水平方向和垂直方向，像素變化大的地方，並且把這個部分「加強」，這樣就可以使原本就存在明暗(灰階圖片底下)差異的部分更加劇烈。

以下圖片就是使用Sobel operator做到邊緣偵測並且加強的結果囉！

(原圖)

(邊緣強化過後)

有了這個方法，就可以輕易地找出圖片上的線條，像是利用相機拍照過後，將取下的景用Sobel operator實作邊緣強化，便能製作出簡單明瞭的線條插畫了！