如何运用16位RAW图像处理中的直方图均衡化与局部均衡化提升图像细节？
摘要：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
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。