传统的直方图均衡化亮度增强算法

传统的直方图均衡化算法是一种用于增强图像亮度的方法，它通过对图像的像素值进行重新分布，使得图像的直方图在整个灰度范围内均匀分布，从而提高图像的对比度和细节。

以下是传统的直方图均衡化算法的步骤：

1. 统计图像的灰度直方图：遍历图像的每个像素，统计每个灰度级别的像素数量。

2. 计算累积分布函数（CDF）：将灰度直方图进行累加，得到每个灰度级别的累积像素数量。

3. 根据CDF进行像素值映射：对于每个像素，将其原始灰度值映射到新的灰度值，映射公式为：

新的灰度值 = (CDF[原始灰度值] - CDF[最小灰度值]) / (总像素数 - 1) * (最大灰度值 - 最小灰度值)

其中，最小灰度值和最大灰度值分别为图像中的最小和最大灰度级别。

4. 更新图像像素值：将每个像素的原始灰度值替换为新的灰度值。

通过以上步骤，传统的直方图均衡化算法可以实现图像的亮度增强。

以下是一个简单的C语言代码示例，实现了传统的直方图均衡化算法：

#include <stdio.h>

void histogramEqualization(int image[], int width, int height, int minValue, int maxValue) {
    int histogram[256] = {0};  // 灰度直方图
    int cdf[256] = {0};  // 累积分布函数
    int totalPixels = width * height;

    // 统计灰度直方图
    for (int i = 0; i < totalPixels; i++) {
        histogram[image[i]]++;
    }

    // 计算累积分布函数
    cdf = histogram[0];
    for (int i = 1; i < 256; i++) {
        cdf[i] = cdf[i - 1] + histogram[i];
    }

    // 根据CDF进行像素值映射
    for (int i = 0; i < totalPixels; i++) {
        int oldValue = image[i];
        int newValue = (cdf[oldValue] - cdf[minValue]) * (maxValue - minValue) / (totalPixels - 1) + minValue;
        image[i] = newValue;
    }
}

int main() {
    // 假设有一幅灰度图像，存储在一维数组中
    int image[] = {10, 20, 30, 40, 50, 60, 70, 80, 90, 100};
    int width = 2;
    int height = 5;
    int minValue = 10;
    int maxValue = 100;

    // 调用直方图均衡化函数
    histogramEqualization(image, width, height, minValue, maxValue);

    // 输出均衡化后的图像像素值
    for (int i = 0; i < width * height; i++) {
        printf("%d ", image[i]);
    }
    printf("\n");

    return 0;
}

请注意，上述代码仅为示例，实际应用中可能需要根据具体情况进行适当修改。