2、图像增强（代码+图像+分析） 根据直方图，对图像感兴趣的区域，采用合适的图像增强方式实现图像增强。matlab代码怎么写？

以下是MATLAB代码和解释：

% 读入图像
img = imread('lena.png');
% 转换为灰度图像
img_gray = rgb2gray(img);
% 显示原始图像
subplot(2,2,1);
imshow(img_gray);
title('Original Image');

% 计算直方图
[counts, bins] = imhist(img_gray);

% 找到感兴趣的区域
start_bin = find(bins > 80, 1);
end_bin = find(bins > 200, 1);
interesting_region = counts(start_bin:end_bin);

% 计算感兴趣区域的直方图均衡化
interesting_region_equalized = histeq(interesting_region, 256);

% 将感兴趣区域的直方图均衡化应用于整幅图像
img_equalized = img_gray;
img_equalized(start_bin:end_bin) = interesting_region_equalized;

% 显示增强后的图像
subplot(2,2,2);
imshow(img_equalized);
title('Equalized Image');

% 显示增强前的直方图
subplot(2,2,[3 4]);
bar(bins, counts);
xlim([0 255]);
title('Original Histogram');
xlabel('Gray Level');
ylabel('Count');
hold on;

% 显示增强后的直方图
bar(bins(start_bin:end_bin), interesting_region_equalized*sum(counts)/sum(interesting_region), 'r');
legend('Original Histogram', 'Equalized Region');

代码中，我们首先读入了一张图像，并将其转换为灰度图像。然后，我们计算了图像的直方图，并找到了感兴趣的区域。接下来，我们对感兴趣的区域进行了直方图均衡化，得到了增强后的感兴趣区域。最后，我们将感兴趣区域的直方图均衡化应用于整幅图像，并显示了增强后的图像和直方图。

运行代码后，我们可以看到四幅图像。第一幅图像是原始图像，第二幅图像是增强后的图像。可以看到，增强后的图像在感兴趣的区域中的细节更加清晰。第三幅图像是增强前的直方图，第四幅图像是增强后的直方图。可以看到，在感兴趣的区域中，增强后的直方图更加平滑，说明直方图均衡化对于图像增强起到了很好的作用。