直方图均衡化和规定化

直方图均衡化是一种对比度提升方法，通过对图像的像素统计分布进行调整，使得图像的直方图在全部灰度范围内均匀分布，从而增强图像的对比度。它通过对图像进行非线性拉伸，将原始图像的灰度直方图从比较集中的某个区域变成在全部灰度范围内的均匀分布。这种方法通常用来增加图像的局部对比度，特别适用于图像前景和背景明暗度差异较大的情况，可以使目标区域从背景中脱离出来。

而直方图规定化是在直方图均衡化的基础上的一种方法，它通过对原始图像进行变换，使得变换后的图像的直方图与我们规定的直方图相匹配。实际上，规定化也是一种均衡化的方法，它可以将均衡化的结果作为中间结果，建立起原始图像与固定化图像之间的联系。

简而言之，直方图均衡化是一种对比度增强的方法，通过调整图像的灰度分布使其更均匀；而直方图规定化则是在直方图均衡化的基础上，使得图像的直方图与指定的直方图相匹配，实现对图像的定制化处理。

相关问题

直方图均衡化和规定化的比较

直方图均衡化和规定化都是图像增强的方法，但是它们的区别在于处理的目标不同。直方图均衡化旨在优化图像的灰度分布，提高对比度和清晰度，使图像更加美观自然。而规定化则是通过将目标图像的灰度分布与参考图像的灰度分布进行匹配，来改善目标图像的质量，使其更符合参考图像。因此，直方图均衡化通常适用于对局部对比度进行增强，规定化则常用于将多幅图像进行统一处理。

用matlab读入一幅图像，分别进行直方图均衡化和规定化并输出显示这些结果。

在MATLAB中，读取图像、进行处理和显示操作相当直接。以下是步骤：

1. **读取图像**：
使用`imread`函数可以加载图片，例如如果你的图像文件名为`image.jpg`，你可以这样操作：

   img = imread('image.jpg');

2. **直方图均衡化**：
`imhisteq`函数用于进行直方图均衡化，它会调整图像的亮度分布，使其更均匀。对读取的`img`应用这个函数：

   eq_img = imhisteq(img);

3. **规范化**：
图像规范化通常是指将像素值缩放到某个特定范围（如0到1），可以用`uint8`或`double`数据类型的范围来操作。假设我们想把像素值归一化到0到1之间：

   norm_img = uint8(img / max(max(double(img))));

或者如果你想保持原类型，并归一化到0-1范围内：

   norm_img = (img - min(img(:))) / (max(img(:)) - min(img(:)));

4. **输出显示**：
使用`imshow`函数可以显示处理后的图像：

   figure; % 创建新窗口
   subplot(2, 1, 1); % 分割显示两幅图像
   imshow(img);
   title('Original Image');
   subplot(2, 1, 2);
   imshow(eq_img);
   title('Histogram Equalized Image');
   subplot(2, 1, 3);
   imshow(norm_img);
   title('Normalized Image');