归一化光强 matlab

归一化光强可以使用Matlab中的imadjust函数实现。具体步骤如下：

1. 读取原始图像，例如：

I = imread('image.png');

2. 计算图像的最大最小值，例如：

I_min = min(I(:));
I_max = max(I(:));

3. 将图像的亮度范围归一化到[0,1]之间，例如：

I_norm = imadjust(I,[I_min I_max],[0 1]);

其中，第一个参数指定原始图像，第二个参数指定图像的亮度范围，第三个参数指定归一化后的亮度范围。

4. 可以将归一化后的图像进行显示或保存，例如：

imshow(I_norm);
imwrite(I_norm,'normalized_image.png');

相关问题

光强归一化的matlab编码

光强归一化（Normalization）是一种图像处理方法，它通过将图像的像素值缩放到一定的范围内来增强图像的对比度和亮度。在 MATLAB 中，可以使用以下代码实现光强归一化：

% 读取图像
img = imread('image.jpg');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 计算图像的最小值和最大值
min_val = min(gray_img(:));
max_val = max(gray_img(:));

% 对图像进行光强归一化
norm_img = (gray_img - min_val) / (max_val - min_val) * 255;

% 显示原始图像和归一化后的图像
subplot(1, 2, 1);
imshow(gray_img);
title('Original Image');
subplot(1, 2, 2);
imshow(norm_img);
title('Normalized Image');

在上述代码中，首先使用 `imread` 函数读取图像，并使用 `rgb2gray` 函数将图像转换为灰度图像。然后，使用 `min` 和 `max` 函数计算图像的最小值和最大值，分别存储在 `min_val` 和 `max_val` 变量中。最后，将灰度图像进行光强归一化，并将归一化后的图像显示出来。

matlab高斯光束光强分布仿真代码

以下是一个基于Matlab的高斯光束光强分布仿真代码示例：

clc;
clear;
close all;
lambda = 632.8e-9; % 波长
k = 2 * pi / lambda; % 波矢
w0 = 1e-3; % 光束半径
z = 0.1; % 距离
L = 1e-3; % 采样区域长度
n = 1024; % 采样点数
dx = L / n; % 采样间隔
x = (-n / 2 : n / 2 - 1) * dx; % 采样区域
[X, Y] = meshgrid(x, x);
r = sqrt(X .^ 2 + Y .^ 2);
phi = atan2(Y, X);

wz = w0 * sqrt(1 + (lambda * z / pi / w0 ^ 2) ^ 2); % 光束半径
Rz = z * (1 + (pi * w0 ^ 2) / (lambda * z) ^ 2); % 曲率半径
psi = atan(z / (pi * w0 ^ 2 / lambda)); % Gouy相位

u = w0 / wz * exp(-r .^ 2 ./ wz ^ 2) .* exp(-1i * k / 2 / Rz * r .^ 2) .* exp(1i * psi - 1i * k * z) .* exp(1i * phi);

I = abs(u) .^ 2;
I = I / max(I(:)); % 归一化

figure;
imagesc(x, x, I);
colormap('gray');
axis image;
title('高斯光束光强分布图');
xlabel('x (m)');
ylabel('y (m)');

在这个例子中，我们定义了一些基本参数，如波长、光束半径、距离、采样区域长度和采样点数等。然后，我们使用这些参数计算高斯光束的各种参数，如光束半径、曲率半径和Gouy相位等。最后，我们计算光束的幅度和光强，并通过绘图将其可视化。

这个示例代码可以帮助你了解如何使用Matlab进行高斯光束光强分布的仿真。当然，这只是一个简单的例子，你可以根据自己的需要进行更加复杂的仿真。