本系列主要介紹圖像信號處理器 (ISP, image signal processor) 中各核心算法模塊的設計以及相關的前沿研究，以典型的相機成像系統為基礎，涉及的內容包括各類缺陷校正，去馬賽克，去噪，3A算法（自動對焦，自動曝光，自動白平衡），超分，HDR，風格遷移等主題。
本文主要對直方圖統計的基本概念以及現有方法進行簡要介紹。
背景介紹
圖像直方圖描述的是圖像的各個灰度級的統計特性。從數學上來說，它是圖像灰度值的函數，統計了一幅圖像中各個灰度級出現的次數或概率。從圖形上來說，它是一個二維圖，橫坐標為圖像中各個像素點的灰度級別，縱坐標表示其出現的次數或概率，直觀地反映了圖像中各個灰度級所占多少。在數字圖像處理中，灰度直方圖是最一種計算代價非常小但卻很有用的工具，信息統計模塊的重要性也就不言而喻。
對于一幅灰度圖像來說，只需統計其灰度信息（Y）。
圖1 灰度圖像及其灰度 (Y) 直方圖
對于一幅彩色圖像來說，需要統計四種信息。除了統計灰度信息（Y）之外，還需要統計紅色像素信息（R）、綠色像素信息（G）、藍色像素信息（B）。
圖2 RGB圖像及其Y、 R、G和B直方圖
現有方法
傳統的直方圖統計算法可以按照統計方式分為逐位掃描法和鄰近預測法。
逐位掃描法如圖3所示。pSum是一個數組，數組長度代表像素統計的動態范圍。序號代表了像素級別，儲值就是對應像素級別的統計值，如pSum[20]中存儲的值就是圖像中像素級別為20的像素點的個數。逐位掃描法顧名思義，就是對圖像中的所有像素點逐個掃描，即掃描步長為1，統計整幅圖像的像素信息。
圖3 逐位掃描法
鄰近預測法的掃描步長大于1，將圖像劃分為多個圖像塊，統計圖像塊中的特定信息，如圖4所示。
圖4 鄰近預測法
以步長為2進行掃描，數組的含義與圖3中一致。鄰近預測法在一個圖像塊中，僅統計左上頂點的像素信息，用它來表征整個圖像塊的像素信息。當然，也可以統計圖像塊中的其它像素點的像素信息，但各圖像塊的取點位置應保持一致。按照統計信息分類又可將鄰近預測法細分為最大值統計、最小值統計、亮度跨度統計、平均值統計等。
參考文獻：
[1] 張錚,徐超,任淑霞,韓海玲. 數字圖像處理與機器視覺[M].人民郵電出版社:, 201405.596.
[2] http://blog.csdn.net/xiaowei_cqu/article/details/7600666
