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histeaq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

灰度图像的直方图均衡化是一种常用的图像增强技术，它通过调整像素值分布，使得整个图像的对比度增加，暗部细节和亮部信息更易于观察。在MATLAB中，我们可以自定义直方图均衡化的算法，尽管有内置的`histeq`函数，但我们可以通过编写函数来学习原理。

首先，你需要了解直方图均衡化的步骤：

1. 计算输入图像f的直方图H，即每个灰度级的像素频率。
2. 确定新的灰度级范围，通常是0到255（对于8位灰度图像），并计算累积分布函数CDF，它是原累计频率加上前一灰度级的累计频率。
3. 将原始像素值映射到新的灰度级范围，这通常涉及到查找表操作，即将每个旧灰度值查询CDF对应的新值。

以下是简单的MATLAB函数实现，假设你的输入矩阵是单通道灰度图像：

function g = myhisteq(f)
% 初始化参数
numBins = 256; % 假设8位灰度图像
imgRange = [0, 255];

% 计算直方图
hist, bins = histcounts(f(:), numBins);

% 计算累积分布函数
cdf = cumsum(hist) / sum(hist);

% 创建查找表
lut = interp1(bins, cdf, imgRange);

% 应用查找表
g = im2double(imresize(lut(f), size(f)));

% 比较结果 (这里省略了与`histeq`函数结果的比较部分)

在这个函数中，`im2double`用于确保输出仍然是双精度浮点数，以便后续处理；`imresize`用于保持图像尺寸不变，因为LUT查找需要像素级别的对应。