在图像处理领域，图像变换是一种将图像从一个空间表示转换到另一个空间表示的技术，常用于增强图像质量、分析图像特征或进行数据压缩。本实验主要关注三个方面：灰度调整、直方图匹配（规定化）以及利用MATLAB实现数字图像的傅里叶变换。
1. **灰度调整**：
灰度调整是改变图像灰度值分布的过程，旨在改善图像的对比度或突出特定细节。在MATLAB中，`imadjust`函数是进行灰度调整的主要工具。它通过映射输入图像的亮度值到新的范围来调整图像的灰度。例如，`imadjust(f,[low_in high_in],[low_out high_out],gamma)`将输入图像f中亮度值在`low_in`到`high_in`之间的部分映射到`low_out`到`high_out`之间。`gamma`参数控制曲线形状，影响输入到输出的亮度映射方式。当`gamma<1`，图像的亮部会被增强，而`gamma>1`则增强暗部。默认情况下，`gamma=1`时，映射是线性的。
2. **直方图均衡化**：
直方图是描述图像灰度值分布的统计工具，通过它可以了解图像的亮度分布情况。直方图均衡化是一种增强图像视觉效果的技术，它将图像的灰度值重新分配，使得最终图像的直方图在全灰度范围内更加均匀。MATLAB中的`histeq`函数实现了这一过程。例如，`g=histeq(f,nlev)`会根据输入图像f和指定的灰度级数`nlev`来执行直方图均衡化。均衡化后，图像的对比度通常会提高，原先难以辨识的细节变得更加明显。
3. **图像正交变换**：
在这个实验中，特别提到了傅里叶变换，这是一种重要的图像正交变换。傅里叶变换将图像从空间域转换到频率域，高频成分对应图像的边缘和细节，而低频成分则代表图像的背景和大块区域。通过分析傅里叶变换后的频谱，可以提取图像的关键特征或进行滤波操作。在MATLAB中，可以使用`fft2`函数对二维图像进行傅里叶变换。
这些技术在医学图像处理中尤其重要，因为它们可以帮助提升图像质量，使得医生和研究人员能够更准确地识别病灶、血管和其他解剖结构。通过灰度调整和直方图均衡化，可以优化图像的对比度和亮度，使其更适合分析；而傅里叶变换则提供了从不同角度理解图像的途径，有助于特征检测和图像恢复。在实际应用中，这些技术常常结合使用，以达到最佳的图像处理效果。
