除此以外，另外一种方法是根据YUV[17]的颜色空间中，Y的分量代表的物理意义是点的亮度，即该值反映了该像素点的亮度等级，根据YUV颜色空间和R、G、B三个颜色分量的变化关系可建立代表亮度的Y的分量与R、G、B三个颜色分量的对应关系：

Y=0.3R+0.59G+0.11B

计算得出结果亮度值Y用来表示图像的灰度值。

2.3直方图均衡化法

为了使转化后的灰度图更加清晰易于分辨，我们选择用直方图均衡化法[18]处理原始灰度直方图。所谓灰度直方图就是对图像中灰度分布的描述，其中横坐标表示图中的灰度值，纵坐标表示灰度值出现概率，图2-1为灰度直方图的表现形式。

图2-1灰度直方图表现形式而直方图均衡化法的核心思想就是将原始图象值灰度值分布状况转化为均匀分布特征。这样可以对图像进行非线性拉伸变换，从而改变原始图像灰度值分布，将较为集中在某一区域的灰度值分散转化成全部范围内的均匀分布状况，使一定范围内像素个数能够趋于一致。直方图均衡化处理过程如下：

（1）将采集的彩色图像转化为灰色图像，灰度直方图公式表达式为：

其中P(ri)表示灰度级ri出现的概率，n(ri)表示灰度级ri出现的个数，N表示原始图像的总像素点，L表示像素的灰度级数。

（2）直方图均衡化法的核心思想就是将原始图象值灰度值分布状况转化为均匀分布，通过扩大像素灰度的动态范围达到增强图像对比度的效果。可以将公式2-2改进为：

（3）将原始图像的累积直方图用累积分布函数表示为公式2-4：

T(i)EH(r)n(ri)P(r),0r1,k0,1,2,...,L1

这个分布函数满足以下两个条件，就能够达到灰度级均匀分布的效果：

EH(ri)在0ri1范围内是一个单值单幅函数；对任意的0riL1，有0EH(r)L1。任意取一幅图像做直方图均衡化实验，其原图与均衡化后的效果及直方图如

图2-2所示，可以看出转化后的整幅图像灰度级更加均匀分布，效果图也更清晰