matlab灰度直方图归一化

Matlab中的灰度直方图归一化是将图像的灰度级进行线性变换，使其在0~255之间，以便更好地显示图像。该方法可以增强图像的对比度，并减少图像中灰度级重叠的情况。具体步骤如下：

1. 获取图像的灰度级分布数据，即灰度直方图。
2. 计算每个灰度级在整个图像中的占比，即累积分布函数。
3. 将累积分布函数进行线性变换，使其在0~255之间。
4. 将变换后的累积分布函数作为映射表，将原图像的每个像素值进行映射。

Matlab中可以使用imhist函数获取灰度直方图数据，使用cumsum函数计算累积分布函数，并使用imadjust函数进行线性变换和映射。代码示例如下：

% 读取图像
I = imread('lena.jpg');

% 获取灰度直方图数据
counts = imhist(I);

% 计算累积分布函数
cum_counts = cumsum(counts) / numel(I);

% 进行线性变换和映射
J = imadjust(I, [cum_counts(1) cum_counts(end)], [0 1]);

% 显示原图和处理后的图
imshowpair(I, J, 'montage')

% 显示灰度直方图
figure, imhist(J)

相关问题

归一化灰度直方图matlab

归一化灰度直方图是指将灰度图像中每个灰度级别的像素数目除以总像素数目，得到的直方图。在Matlab中，可以使用imhist函数来计算灰度图像的直方图，使用imread函数读取图像，然后使用histcounts函数计算每个灰度级别的像素数目，最后除以总像素数目即可得到归一化灰度直方图。下面是一个示例代码：

% 读取图像
img = imread('lena.png');

% 计算直方图
[counts, bins] = histcounts(img, 256);

% 归一化直方图
counts_norm = counts / numel(img);

% 绘制直方图
bar(bins(1:end-1), counts_norm);

其中，counts表示每个灰度级别的像素数目，bins表示灰度级别的范围，counts_norm表示归一化后的直方图。

matlab矩阵灰度直方图均衡化

Matlab中的矩阵灰度直方图均衡化是一种用于增强图像对比度的方法。它通过重新分布图像的灰度级来扩展灰度范围，使得图像中的像素值更加均匀分布。以下是Matlab中进行矩阵灰度直方图均衡化的步骤：

1. 读取图像：使用`imread`函数读取待处理的图像，并将其转换为灰度图像。

2. 计算直方图：使用`imhist`函数计算图像的灰度直方图，得到每个灰度级的像素数量。

3. 计算累积分布函数（CDF）：将直方图归一化，并计算累积分布函数。可以使用`cumsum`函数实现。

4. 映射像素值：根据CDF将原始图像中的每个像素值映射到新的灰度级。可以使用`interp1`函数进行插值计算。

5. 输出结果：将处理后的图像进行显示或保存。

下面是一个示例代码：

% 读取图像
img = imread('image.jpg');
% 转换为灰度图像
gray_img = rgb2gray(img);

% 计算直方图
histogram = imhist(gray_img);

% 计算累积分布函数
cdf = cumsum(histogram) / numel(gray_img);

% 映射像素值
new_gray_img = interp1(0:255, cdf, double(gray_img(:)));

% 将图像恢复为原始尺寸
new_gray_img = reshape(new_gray_img, size(gray_img));

% 显示处理前后的图像
subplot(1, 2, 1);
imshow(gray_img);
title('原始图像');
subplot(1, 2, 2);
imshow(new_gray_img, []);
title('均衡化后的图像');

这是一个简单的示例，你可以根据自己的需求进行进一步的调整和优化。