平方均衡的主要步骤是什么？

设原始图像在(x，y)处的灰度为F，变化后的图像为G，那么图像增强的方法可以表述为将F在(x，y)处的灰度映射到G。

图像在灰度直方图均衡化中的映射函数可以定义为:g = EQ (f)。

这个映射函数EQ(f)必须满足两个条件(其中L是图像的灰度级):

(1)EQ(f)在0≤f≤L-1范围内是单值单增函数。这是为了保证增强过程不打乱原始图像的灰度级排列顺序，原始图像的灰度级在变换后仍然保持从黑到白(或从白到黑)的排列。

(2)对于0≤f≤L-1，有0≤g≤L-1，保证了变换前后灰度值动态范围的一致性。

扩展数据:

直方图均衡

这种方法通常用于增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近时。通过这种方法，亮度可以更好地分布在直方图上。

这样就可以在不影响整体对比度的情况下用来增强局部对比度，而直方图均衡化可以通过有效扩展常用的亮度来实现这一功能。

这种方法对于背景和前景太亮或太暗的图像非常有用，特别是它可以在X射线图像中带来更好的骨骼结构显示，在曝光过度或曝光不足的照片中带来更好的细节。

这种方法的主要优点之一是它是一种相当直观的技术和可逆的操作。如果已知均衡函数，可以恢复原始直方图，计算量不大。这种方法的一个缺点是它不选择处理过的数据，这可能增加背景噪声的对比度，降低有用信号的对比度。

在统计学中，直方图(英文:Histogram)是数据分布的图形表示，是一种二维统计图。它的两个坐标是统计样本和对应于样本的属性的度量。直方图是质量管理的七大工具之一。

归一化直方图是通过将直方图上每个属性的计数除以所有属性的计数总和而获得的。之所以称之为“归一化”，是因为归一化直方图所有属性的计数之和是1，即每个属性对应的计数是0到1之间的一个数(百分比)。

百度百科-直方图均衡化