直方图均衡化
clear; clc; img = imread('lena.jpg'); [a,b] = imhist(img); [M,N] = size(img); new_img = zeros(M,N); stem(b,a/(M*N)); % 下面开始统计概率密度分布 t(1) = a(1); for i=2:256 t(i) = a(i)+t(i-1); end for m=1:M for n=1:N new_img(m,n) = t(img(m,n)+1)/(M*N)*255; end end figure,imhist(uint8(new_img)) figure,imshow(uint8(new_img)) figure,imshow(img)直方图规范化，即直方图匹配
clear; img = imread('lena.jpg'); match_img = imread('rice.png'); [M,N] = size(img); img_hist = imhist(img); match_img_hist = imhist(match_img); figure,stem(img_hist) title('原始图像的直方图') figure,stem(match_img_hist); title('匹配的直方图') % 下面计算每幅图像的累积概率密度分布 img_cal = cumsum(img_hist)/numel(img); match_img_cal = cumsum(match_img_hist)/numel(match_img); new_img = ones(M,N); % 计算匹配结果 t=zeros(1,256); for i=1:256 [tmp,index] = min(abs(img_cal(i)-match_img_cal)) t(i) = index-1; end % 遍历图像，计算每个像素对应的匹配像素值 for j=1:M for k=1:N new_img(j,k) = t(img(j,k)+1); end end new_img_hist = imhist(uint8(new_img)); figure,stem(new_img_hist); title('新图像的直方图')代码是看了很多别人的博客，又加入了一些自己的想法写出来的，主要是为了数字图像处理的考试 写写自己的感受吧：图像直方图的均衡化是将原始图像的灰度进行了拉伸，而直方图匹配，这个“匹配”两个字用的实在是太准确了，至于中间用到的求累计概率密度分布，细想一下还是很有必要的操作
