直方图均衡化 matlab 代码

直方图均衡化是一种在图像处理领域中广泛使用的图像增强技术，它通过对图像的像素值进行重新分布，来改善图像的对比度。在MATLAB中，我们可以利用编程的方式来实现这一过程。下面，我们将深入探讨直方图均衡化的原理、实现步骤以及如何在MATLAB中编写代码。 **直方图均衡化原理：** 直方图均衡化的基本思想是通过扩展图像的灰度级范围，使图像的灰度级分布更加均匀，从而提高图像的对比度。在图像的原始直方图中，如果大部分像素集中在某一灰度值附近，那么图像的对比度就较低。通过直方图均衡化，可以将这些聚集的像素分散到更广阔的灰度范围内，使得图像的整体视觉效果得到提升。 **实现步骤：** 1. **计算原始直方图**：我们需要统计图像中每个灰度级出现的频率，即构建原始直方图。 2. **累积分布函数（CDF）**：然后，计算直方图的累积分布，即将每个灰度级的累计频率作为新的灰度值。 3. **线性映射**：为了保持图像的灰度值在0-255之间，我们需要将CDF进行线性映射，使得新的灰度值在相同的范围内。 4. **应用映射**：使用映射后的灰度值替换原始图像中的每个像素，完成直方图均衡化。 **MATLAB实现直方图均衡化代码：** 在MATLAB中，可以使用以下步骤来编写直方图均衡化的代码： ```matlab % 读取图像 img = imread('测试图片.jpg'); % 转换为灰度图像（如果图像不是灰度图像） if size(img,3) == 3 img = rgb2gray(img); end % 计算直方图 histData = imhist(img); % 计算累积分布函数 累积频数 = cumsum(histData); 累积频数 = cumulativeFreq / sum(cumulativeFreq); % 归一化 % 创建灰度级映射 lut = round(255 * 累积频数); % 应用直方图均衡化 eqImg = ind2rgb(imlookup(img, lut), 'gray'); % 显示原图和均衡化后的图像 figure; subplot(1, 2, 1), imshow(img), title('原始图像'); subplot(1, 2, 2), imshow(eqImg), title('均衡化后图像'); ``` 这段代码首先读取图像并将其转换为灰度图像（如果需要）。接着，计算图像的直方图，然后通过累积分布函数计算新的灰度级。创建一个查找表（LUT），将原始灰度级映射到新的灰度级。使用`imlookup`函数将原始图像的每个像素值替换为映射后的值，得到直方图均衡化后的图像。 通过这个简单的MATLAB代码，您可以对任何输入图像执行直方图均衡化，从而提高其对比度。此外，附带的测试图片可以用于验证代码的正确性。在实际应用中，您可以根据需要调整代码，例如添加参数来控制增强的程度，或者将代码封装成一个函数以便重复使用。