matlab低灰度值扩展，高灰度值压缩

在MATLAB中，处理图像时可能会遇到低灰度值区域需要扩展和高灰度值区域需要压缩的情况。这通常是为了改善图像对比度、增强细节或进行后续分析。以下是一些常用的方法：

1. **直方图均衡化**（Histogram Equalization）：这是最常用的图像扩展和压缩方法。它通过调整像素灰度分布，使得图像的整体亮度范围更均匀，从而达到扩展低灰度值区域和压缩高灰度值区域的效果。

   img = imread('example.jpg'); % 加载图像
   img_eq = imhisteq(img); % 应用直方图均衡化

2. **对比度拉伸**（Contrast Stretching）：这种方法直接修改图像的灰度值范围，比如设置新的最小和最大阈值，将低灰度值提升，高灰度值降低。

   min_val = 0; % 新的最低灰度值
   max_val = 255; % 新的最大灰度值
   img_stretched = mat2gray(uint8(min_val + (img - min(min(img(:))) * (max_val - min_val) / (max(max(img(:))) - min(min(img(:))))));

3. **自适应直方图均衡化**（Adaptive Histogram Equalization）：针对局部图像区域进行处理，可以更好地保留图像的边缘和细节。

img_adapteq = adapthisteq(img);