本系列主要介绍图像信号处理器 (ISP, image signal processor) 中各核心算法模块的设计以及相关的前沿研究，以典型的相机成像系统为基础，涉及的内容包括各类缺陷校正，去马赛克，去噪，3A算法（自动对焦，自动曝光，自动白平衡），超分，HDR，风格迁移等主题。
本文主要对直方图统计的基本概念以及现有方法进行简要介绍。
背景介绍
图像直方图描述的是图像的各个灰度级的统计特性。从数学上来说，它是图像灰度值的函数，统计了一幅图像中各个灰度级出现的次数或概率。从图形上来说，它是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示其出现的次数或概率，直观地反映了图像中各个灰度级所占多少。在数字图像处理中，灰度直方图是最一种计算代价非常小但却很有用的工具，信息统计模块的重要性也就不言而喻。
对于一幅灰度图像来说，只需统计其灰度信息（Y）。
图1 灰度图像及其灰度 (Y) 直方图
对于一幅彩色图像来说，需要统计四种信息。除了统计灰度信息（Y）之外，还需要统计红色像素信息（R）、绿色像素信息（G）、蓝色像素信息（B）。
图2 RGB图像及其Y、 R、G和B直方图
现有方法
传统的直方图统计算法可以按照统计方式分为逐位扫描法和邻近预测法。
逐位扫描法如图3所示。pSum是一个数组，数组长度代表像素统计的动态范围。序号代表了像素级别，储值就是对应像素级别的统计值，如pSum[20]中存储的值就是图像中像素级别为20的像素点的个数。逐位扫描法顾名思义，就是对图像中的所有像素点逐个扫描，即扫描步长为1，统计整幅图像的像素信息。
图3 逐位扫描法
邻近预测法的扫描步长大于1，将图像划分为多个图像块，统计图像块中的特定信息，如图4所示。
图4 邻近预测法
以步长为2进行扫描，数组的含义与图3中一致。邻近预测法在一个图像块中，仅统计左上顶点的像素信息，用它来表征整个图像块的像素信息。当然，也可以统计图像块中的其它像素点的像素信息，但各图像块的取点位置应保持一致。按照统计信息分类又可将邻近预测法细分为最大值统计、最小值统计、亮度跨度统计、平均值统计等。
参考文献：
[1] 张铮,徐超,任淑霞,韩海玲. 数字图像处理与机器视觉[M].人民邮电出版社:, 201405.596.
[2] http://blog.csdn.net/xiaowei_cqu/article/details/7600666
