像素值到底是什麼意思
在第一個學習軌中，你已經認識了影像的核心事實：一張灰階影像不過就是一個數字網格。網格裡的每一格就是一個像素，而它的數字代表亮度——對 8 位元影像來說，是一個從 0（純黑）到 255（純白）的整數，中間則是各種灰階。把它想像成一張巨大的試算表，每一格存放著場景中那個確切位置的測光讀數：明亮處得到大數字，陰影處得到小數字。整張照片就是這張讀數試算表而已。
左邊是一張照片，右邊放大成一個方格網，每一格標著 0 到 255 之間的亮度數字。
一旦你接受影像就只是數字，「影像處理」這個詞就不再神祕了：它字面上的意思就是對這些數字做算術。想要照片更亮？把每個數字加大。想要黑白？把每個數字換成 0 或 255。整個學習軌底下的一切，本質上都是把輸入數字變成輸出數字的配方。
最簡單也最重要的配方是點運算（point operation）：一條完全獨立地套用在每個像素上的規則，不理會它的鄰居。一個像素的新值只取決於它自己的舊值——絕不取決於它左邊或上方的像素。正是這種獨立性，讓點運算容易理解、計算飛快。下面是一個小小的 3×3 區塊，以及一個你可以在腦中完成的點運算——「每個像素加 40」：
# A tiny 3x3 grayscale patch (each number is one pixel's brightness, 0..255)
img = [[ 10, 50, 90],
[100, 150, 200],
[120, 130, 255]]
# A POINT OPERATION: brighten by adding 40 to EVERY pixel, independently.
b = 40
for y in range(3):
for x in range(3):
out[y][x] = min(255, img[y][x] + b) # clamp at 255 so we never overflow
# img[0][0] 10 -> 50, img[1][1] 150 -> 190, img[2][2] 255 -> 255 (already maxed)影像直方圖：一張影像的指紋
在改動一張影像之前，你會想先讀懂它。最有用的單一摘要就是影像直方圖：一張長條圖，統計每個亮度各有多少個像素。橫軸是色調 0…255；每根長條的高度是該色調的像素數量。它就是影像的指紋——像心電圖（EKG）的波形一樣，整體形狀一眼就告訴你故事：昏暗的夜景把長條擠在左邊，過曝的雪景把它們堆在右邊，而平淡朦朧的影像則把所有東西擠成中間一團窄窄的隆起。
把它讀作「在第 i 階的直方圖值，就是所有亮度等於 i 的像素位置的數量」。逐個符號看：i 是一個亮度階，0 到 255 之間的任一整數；f(x,y) 是位於第 x 欄、第 y 列那個像素所存的亮度；前面帶 # 的大括號表示「這個集合裡有幾個元素」，也就是有多少個位置 (x,y) 滿足條件；而 h(i) 就是那個數量。所以 h(0) 是有多少個全黑像素，h(255) 是有多少個全白像素。長條高表示那個色調到處都是；長條為零表示那個確切的灰階從未出現。
# A 4x4 toy image, 2-bit so intensities are only 0,1,2,3 (easy to count by hand)
img = [[0, 0, 1, 3],
[0, 1, 1, 2],
[2, 2, 1, 0],
[3, 3, 2, 1]]
h = [0, 0, 0, 0] # one bin per intensity level: h[0], h[1], h[2], h[3]
for row in img:
for v in row:
h[v] += 1 # tally this pixel into its bin
# h == [4, 5, 4, 3] -> four 0s, five 1s, four 2s, three 3s (sums to N = 16)這把原始計數變成了比例：p(i) 是正規化直方圖，其中 N 是像素總數（這裡 N = 16）。對我們的玩具影像，p(0) = 4/16 = 0.25、p(1) = 5/16 ≈ 0.3125、p(2) = 0.25、p(3) ≈ 0.1875，加總為 1。它的好處是：p(i) 的行為正好就像一個機率——如果你閉上眼睛隨手戳一個像素，它的色調是 i 的機率。這正是為什麼稍後均衡化的數學要用 p(i)——它是色調上一個貨真價實的機率分布。還有一個關鍵觀念：直方圖丟掉了像素「在哪裡」，只保留每個色調「有多少」。兩張完全不同的畫面可以共用一模一樣的直方圖，這正是直方圖計算便宜卻又極具洞察力的原因。
亮度與對比：一條直線搞定
現在我們真的來改色調。最常用的點運算是線性亮度映射，它把你最常用的兩種調整綁在一起：亮度與對比。亮度是加或減一個常數——就像一個音量旋鈕，把整張影像調得更響（更亮）或更輕（更暗）。對比是乘上一個倍數——就像抓住一條橡皮筋拉伸，讓暗調與亮調離得更開（對比更高）或被擠在一起（對比更低）。兩者用同一條公式一次完成：
這不過就是一條直線方程式：「輸出＝斜率 × 輸入＋截距」。逐個符號看：f(x,y) 是像素 (x,y) 的輸入亮度；g(x,y) 是取代它的輸出亮度；a 是對比增益——直線的斜率；b 是亮度偏移——直線的截距。直覺上，a 會傾斜並加陡色調曲線（a > 1 把色調拉開，a < 1 把它們壓在一起），而 b 把整條曲線平移上下。當 a = 1、b = 0 時，你會原封不動地拿回原影像。有一條不可違背的規則：結果必須被夾限（clamp／clip）在有效範圍 [0, 255] 內，因為一個像素不可能比黑更暗、也不可能比白更亮。
來看看每個旋鈕對影像直方圖做了什麼。加上 b 會把每根長條整體往右移（更亮）或往左移（更暗）——形狀不變，整枚指紋只是滑動。乘上 a 會以 0 為基準把長條彼此拉開（若 a > 1），使直方圖向外攤開、填滿更大的範圍；或把它們拉近（若 a < 1）。在編輯前後比對直方圖，是確認你的調整有沒有達到目的的最可靠方法。
來看一個實例。取一個中灰像素 f = 100，套用 a = 1.5（對比增強 50%）與 b = 10（小幅提亮）。則 g = 1.5 × 100 + 10 = 160——舒舒服服落在 [0, 255] 內，所以原封不動地保留。再取一個明亮像素 f = 200，用相同的 a 與 b：g = 1.5 × 200 + 10 = 310，超過了 255，於是被夾限回 255。第二個情況正是要小心的陷阱。
伽瑪校正：對齊眼睛與螢幕
直線對待每個色調都一視同仁，但你的眼睛和螢幕都不是這樣。人類視覺極度非線性：我們對暗調裡的微小變化遠比對亮調敏感——從接近全黑到暗灰這一步，對我們來說很戲劇化，而從亮灰到全白那一步幾乎察覺不到。顯示硬體同樣是非線性的。為了優雅地處理這件事，我們使用伽瑪校正，用一條冪次曲線取代直線。
把伽瑪想成一個更聰明的調光開關——它在陰影處（你的眼睛最挑剔的地方）格外溫柔，在高光處（反正你也看不出差別）則較為粗略。它彎曲色調曲線而不是傾斜它，因此伽瑪可以在保持純黑停在 0、純白停在 255 不動的同時，提亮或壓暗中間調，所以它永遠不會夾限。
逐個符號看：r 是輸入亮度，但要先正規化到 [0, 1] 範圍（把 0…255 的值除以 255）；s 是輸出亮度，同樣落在 [0, 1]；γ（伽瑪）是彎曲曲線的指數；而 c 是縮放常數，幾乎總是 1。直覺就藏在指數裡。當 γ = 1 時，曲線是一條 45° 的直線——完全不變。當 γ < 1（例如 0.5）時，曲線向上拱起，抬升陰影、提亮中間調。當 γ > 1（例如 2.2）時，曲線向下拱，加深陰影、壓暗中間調。端點則固定不動：對任何 γ 都有 0^γ = 0 與 1^γ = 1，這正是純黑與純白絕不移動的原因。
兩個實際數字讓它變具體。取一個暗像素值 50。正規化：r = 50/255 ≈ 0.196。套用 γ = 0.5（也就是開平方根）：s = 0.196^0.5 ≈ 0.443。再縮放回去：0.443 × 255 ≈ 113。這個陰影像素從 50 跳到 113——正好在眼睛最在意的地方有了巨大且看得見的提升。現在取一個中間調 128：r ≈ 0.502，用 γ = 2.2 得到 s = 0.502^2.2 ≈ 0.220，換算回 ≈ 56——明顯變暗。那個 γ ≈ 2.2 並非巧合：典型螢幕會對它收到的訊號套用約 2.2 的伽瑪，所以相機與影像檔會以大致為其反向值的 1/2.2 ≈ 0.45 預先編碼，這樣畫面在被螢幕壓暗回去之後看起來才正確。
# Gamma correction: the correct 3-step workflow
def gamma_correct(pixel, gamma, c=1.0):
r = pixel / 255.0 # 1) normalize 0..255 -> 0..1
s = c * (r ** gamma) # 2) apply the power law
return round(s * 255.0) # 3) scale back to 0..255
gamma_correct(50, 0.5) # -> 113 gamma < 1 lifts shadows (50 brightens)
gamma_correct(128, 2.2) # -> 56 gamma > 1 deepens midtones (128 darkens)直方圖均衡化：把色調攤開
線性與伽瑪映射都需要你來挑旋鈕。直方圖均衡化則是自動版本：它檢視影像直方圖，在沒有任何參數要調的情況下，把一組擠在一起的色調攤開到完整的 0…255 範圍，以最大化對比。目標是一個更平坦的直方圖——每個色調都被大致均等地使用。想像一座音樂廳，整群觀眾全擠在少數幾排；均衡化就是那位帶位員，把每個人均勻地重新安排到所有排次上，這樣沒有一區擠爆、也沒有一區空著。
- 計算直方圖 h(i)：數出每一階各有多少像素。
- 把它正規化為 p(i) = h(i)/N，得到每個色調的機率。
- 把 p(i) 從 0 累加到 r，形成累積分布函數 CDF(r)。
- 把 CDF 本身當作重映射曲線：新階 =（L−1）× CDF（舊階）。
逐個符號看：r 是輸入階、s 是它的新輸出階；T 是我們建立的變換（重映射曲線）；L 是階數，8 位元影像為 256，所以 L−1 = 255 是最亮的輸出；p(i) 是先前的正規化直方圖；而 CDF(r) 是 p 從第 0 階累加到第 r 階的累積和，平滑地從 0 升到 1。神奇之處在此：CDF 在像素堆積之處陡升，在空白色調範圍則保持平坦。因為我們用這個陡度當作新的色調曲線，擁擠的色調會被大幅拉開（斜率陡 ⇒ 輸出間隔大），而空白範圍會被擠合起來。人群正好按它原本有多擁擠的比例被攤開。
# Histogram equalization on a 3-bit image (levels 0..7, so L = 8)
img = [[3,3,4,5],
[3,4,4,5],
[4,4,5,5],
[3,4,5,4]]
L, N = 8, 16
h = [0]*L
for row in img:
for v in row: h[v] += 1 # h = [0,0,0,4,7,5,0,0]
p = [c / N for c in h] # p = [0,0,0,.25,.4375,.3125,0,0]
cdf, run = [], 0.0
for pi in p:
run += pi
cdf.append(run) # cdf = [0,0,0,.25,.6875,1,1,1]
T = [round((L-1) * c) for c in cdf] # T = [0,0,0,2,5,7,7,7]
# old tones {3,4,5} (span 2) -> new tones {2,5,7} (span 5): contrast stretched!閾值化：從灰階到黑白
最後一個點運算回答的是一個是非題，而不是調整色調。閾值化是最簡單的分割（segmentation）形式——把影像切成有意義的區域。你挑一個單一的切分值 T；每個比 T 亮的像素變白（前景），每個比它暗的變黑（背景）。一張灰階影像就塌縮成一張乾淨的雙色遮罩：墨水對紙張、物件對背景、細胞對玻片。
逐個符號看：f(x,y) 是該像素的輸入亮度；T 是你選定的閾值切分點；而 g(x,y) 是二值輸出——不是 255 就是 0，中間什麼都沒有。這是套用在色調上的階梯函數（step function）：當你把輸入從暗掃到亮，輸出會一直黏在 0，直到輸入越過 T，便瞬間跳到 255 並停在那裡。結果裡沒有任何中間灰階，而這正是重點——你已經把「有多亮？」的問題，轉成了「前景還是背景？」的判決。
T 該放在哪？讀直方圖。一份掃描文件有兩個自然的隆起——一個靠近白色（紙張）的高峰，與另一個靠近黑色（墨水）的峰——中間有一道谷。最佳的全域閾值就坐落在那道谷裡，乾淨地把兩群像素分開。但當影像各處光照不均時，單一全域 T 會失敗（頁面一角的陰影把下方紙張壓到 T 以下，變成黑色）。解方是自適應閾值化：為每個小區域各算一個不同的局部 T，讓頁面的每一部分都對照它自己的背景來判斷。而當你根本不想用眼睛去找那道谷時，大津法（Otsu's method）會自動挑出 T。
# Global thresholding of a scanned document (T chosen at the histogram valley)
T = 128
for y in range(H):
for x in range(W):
out[y][x] = 255 if img[y][x] > T else 0 # paper -> white, ink -> black
# Otsu: instead of guessing T = 128, try every candidate T in 0..255 and keep
# the one that splits the histogram into the two TIGHTEST humps
# (minimum within-class variance). No manual tuning, no eyeballing the valley.