在MATLAB中如何应用直方图均衡化对灰度图像进行增强，并通过乘法运算调整图像的亮度？请结合使用'cameraman.tif'图像进行实例说明。

在MATLAB中进行图像增强时，直方图均衡化是一个常用的手段，它可以通过扩展图像的动态范围来增加对比度，而乘法运算则用于调整图像的亮度。结合'cameraman.tif'图像，我们可以详细探讨这两个操作的实现方法。

参考资源链接：[MATLAB数字图像处理：直方图均衡化实验](https://wenku.csdn.net/doc/3jpoektdre?spm=1055.2569.3001.10343)

首先，我们需要使用MATLAB的图像处理工具箱。加载'cameraman.tif'图像，并将其转换为灰度图像是进行直方图均衡化前的必要步骤。通过`imread`函数读取图像，`rgb2gray`函数将其转换为灰度图像，如果图像原本就是灰度图像，则此步骤可以省略。

接下来，利用`histeq`函数实现直方图均衡化。例如，`J = histeq(I, 256);`这行代码会将灰度图像`I`的直方图均衡化到256个灰度级，`J`是增强后的图像。此操作会提高图像的全局对比度，特别是在图像的直方图分布不均匀时效果更加明显。

为了调整图像的亮度，我们可以使用`immultiply`函数进行乘法运算。例如，`K = immultiply(J, a);`其中`J`是经过直方图均衡化后的图像，`a`是一个大于0的常数。如果`a`大于1，图像变亮；如果`a`小于1，图像变暗。适当的亮度调整可以帮助我们观察到更细致的图像内容，特别是在直方图均衡化之后。

最后，为了观察效果，我们可以使用`subplot`函数在同一图形窗口中展示原始图像、经过直方图均衡化后的图像以及亮度调整后的图像。这样的比较可以直观地展示每一步操作对图像的影响。

通过这样的步骤，我们可以系统地掌握MATLAB中直方图均衡化和亮度调整的应用，进而在其他图像处理任务中运用这些技术，如医学影像分析、遥感图像处理等。

对于想要深入研究MATLAB图像处理的用户，建议阅读《MATLAB数字图像处理：直方图均衡化实验》一书。此书详细讲解了数字图像处理的基础和进阶知识，并以实验的形式加深理解。通过书中提供的实验指导和代码示例，你可以更好地掌握如何在MATLAB中运用直方图均衡化和乘法运算来处理图像，为将来在图像增强领域的深入研究打下坚实的基础。

参考资源链接：[MATLAB数字图像处理：直方图均衡化实验](https://wenku.csdn.net/doc/3jpoektdre?spm=1055.2569.3001.10343)