假定图像的总像素数目为n，而某个灰度级k的像素数目为mk，该灰度级的概率密度为：

    nk

    Pr(kr)=    （2.22）

    n

    则图像直方图均衡的变化函数为：

    k n    k

    S  =T(r )=    j =   P(r)     （2.23）

    k    k    ∑ n   ∑ r  j

    j=0    j=0

    k=0,1,2  ，L-1

1.3.5 白平衡（White Balance）

    白平衡作为图像处理的一个重要术语，也随着数码相机的普及进入了人们的认识中。白平衡指的就是对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，图像传感器没有这种人眼的适应性，在不同的光线下，由于图像传感器输出的不平衡性，造成其输出的彩色失真：或者图像偏蓝，或者偏红。

    理解白平衡，涉及到另一个重要的概念：色温。所谓色温，简而言之，就是定量地以开尔文温度表示色彩。色温越高，蓝色成分就越多；色温越低，红色成分就越多，在摄影、摄像时，不同色温光源下拍摄物体，获得的图像不可避免会出现色彩上的偏差。为了很获得现实际世界中各种色彩的图像，必须消除环境中光源色温的影响，即进行白平衡处理。

    传统的白平衡方法，首先在色温环境中拍摄一纯白色物体，分析所拍摄的图像数据，对白色物体的数据进行平均。得出三原色的平均值（Rmean、Gmean、Bmean），根据白色的定义：

    R=G=B

    改变R、B感应通道的增益可以实现图像的白平衡，这种白平衡方法需要有白色参照物，使用不便。因此，实际应用中，产生了一些自动白平衡的算法，主要有：

    1）全局平衡法

    认为所拍摄的图像的RGB三色分量的统计平均应该相等，对于拍摄的图像进行统计平均，以R、B分量的均值作为白平衡校准的依据。

    2）局部白平衡法

    搜索所拍摄的图像中，最亮的区域作为白色区域，该区域的RGB三色分量的统计平均值应该相同，以该区域的R、B分量的均值作为白平衡校准的依据。

1.4 视频质量

    对压缩后的视频质量估计是一件困难的工作。大体上，可分为主观视频质量评定和客观视频质量评定两种估计方法。

1.4.1 主观质量的评定

    由于个人的视觉系统（HVS）不尽相同，对视频内容的熟悉程度也不一样。为了减少主观随意性，在对视频图像主观评定前，选若干名专家和“非专家”作为评分委员，共同利用五项或七项评分法对同一种视频图像进行压缩编码构图像评定。最后按加权平均法则对该压缩后的图像质量进行主观评定

     高清晰度采用七级评分等级     评价

    7     不能觉察任何图像损伤     特别好

    6     刚能觉察有图像损伤     相当好

    优     5     不同程度的觉察，轻度损伤     很好

    好     4     有损伤，但不令人讨厌     好

    稍差     3     有令人讨厌损伤     稍差

    很差     2     损伤令人讨厌，但尚可忍受     很差

    劣     1     非常令人讨厌损伤，无法观看     劣

    测试方法可用随机次序请评委观察比较原始图像和压缩编码的图像。国际上称为 DSCOS 的测试系统。

1.4.2 客观质量的测量

    主观的视频质量评分更接近人的真实视觉感受，但需耗费人力和时间，成本较高。客观质量的测定方法速度快、易实行，但往往不会太符合人眼的视觉感受，只能说大体上的质量。客观质量测定方法应致力于改进其测试标准和测试方法，使其符合人的视觉感受。

    最常用的测试标准是峰值信号与噪声之比（PSNR）：

    PSNR =10㏒  (2－１)n    ２／MSE

    dB    10

其中MSE为原始和编解码后图像之间的均方误差，(2－１)n    ２为图像种最大可能的信号值平方，n为表示每个像素的比特数。

    一般讲，PSNR愈高视频质量愈高；反之亦然。但实际上有时并非如此