编程实现灰度图像的直方图均衡化算法 ➢使用Matlab实现，不能直接调用自带的histeq函数 ➢采用函数调用的方式：定义功能函数g=myhisteq(f) ➢将结果与使用matlab自带的histeq函数得到的结果进行比较

在Matlab中，实现灰度图像的直方图均衡化可以分为以下几个步骤：

1. **读取和预处理图像**：
首先，使用`imread`函数读取灰度图像，例如：

   f = imread('input_image.png'); % 替换为你的图像文件名

2. **计算直方图**：
使用`graylevelhist`函数获取图像的灰度值分布，也就是直方图：

   histData = graylevelhist(f);

3. **构建累积分布函数 (CDF)**：
将直方图转换为累积分布函数，CDF(i)表示像素值i小于等于累计频率的比例：

   cdf = cumsum(histData(:)) / sum(histData);

4. **计算新的灰度级范围**：
确定新图像的最小和最大灰度值，通常是0到255（如果原始图像也是8位），然后找到映射的新范围：

   minOutputValue = 0;
   maxOutputValue = 255;

5. **创建线性插值表**：
根据CDF生成一个新的灰度级别，每个原像素灰度值对应一个新的输出值：

   outputImage = imlinint(cdf, minOutputValue, maxOutputValue, f(:));

6. **创建并应用直方图均衡化的函数**：
定义名为`myhisteq`的函数来封装上述步骤：

   function g = myhisteq(f)
       % ... 以上所有步骤
       g = reshape(outputImage, size(f));
   end
   
   g = myhisteq(f);

7. **比较结果**：
使用`isequal`或`diff`函数比较`myhisteq`函数的结果和`histeq`函数的结果，以评估它们是否一致。

% 比较两个版本的直方图均衡化后的图像
isSame = isequal(g, imhisteq(f)); % 如果结果完全一样，则isSame应为true
diffImg = abs(g - imhisteq(f)); % 查看两者的差异