不使用现有的函数，matlab编程实现图像的K-L变换。

在MATLAB中，K-L变换（Kullback-Leibler散度，也称为信息增益）通常用于测量两个概率分布之间的差异。如果你想要直接计算图像的K-L变换，而不是使用现成的函数，你需要手动编写一些步骤：

1. **读取图像**：首先，使用`imread`函数加载需要处理的图像。

img = imread('your_image.jpg'); % 替换为实际图片路径

2. **转换为灰度图**：如果图像不是灰度图，可以使用`rgb2gray`将它转换为灰度。

if iscolor(img)
    img_gray = rgb2gray(img);
else
    img_gray = img;
end

3. **计算概率分布**：对图像的像素值进行直方图统计，得到每个像素值的概率分布。例如，对于8位灰度图像，你会有0到255这256个可能的灰度值。

[hist, bins] = histcounts双精度型(img_gray(:), 256); % 这里假设范围从0到255
pdf = hist / numel(img_gray);

4. **计算KL散度**：对于每一个灰度级，使用下面的公式计算其相对熵（KL散度）：

   kl_div = pdf ./ log(pdf + eps); % 使用eps防止除以零
   kl_sum = sum(kl_div .* (pdf - log(pdf)));

5. **结果表示**：由于KL散度是一个标量值，你可以直接存储或显示这个结果。

注意：上述代码没有包含关于背景去除、图像预处理等的细节，实际操作时可能需要针对具体情况进行调整。另外，如果你需要的是连续的概率密度估计，而不是离散的概率分布，那么计算方法会有所不同。