matlab 直方图对比

在MATLAB中，可以使用`histc`函数创建直方图并进行对比。以下是一个简单的示例：

% 生成两组随机数据
data1 = randn(1, 100);
data2 = randn(1, 100) + 5;

% 创建直方图
hist1 = histc(data1, 'Normalization', 'probability');hist2 = histc(data2, 'Normalization', 'probability');

% 绘制直方图
figure;
subplot(2, 1, 1);
plot(hist1);
title('直方图1');
xlabel('数据范围');
ylabel('频数');

subplot(2, 1, 2);
plot(hist2);
title('直方图2');
xlabel('数据范围');
ylabel('频数');

这段代码首先生成了两组随机数据（`data1`和`data2`），然后使用`histc`函数创建了两个直方图（`hist1`和`hist2`）。最后，使用`plot`函数将这两个直方图绘制在同一个图形窗口中进行对比。

相关问题

MATLAB直方图归一化

### MATLAB 直方图归一化的方法与示例

在MATLAB中，直方图归一化是指将图像的像素强度重新分布在一个特定范围内，使得处理后的图像具有更均匀的亮度和对比度。这可以通过调整灰度映射表来实现[^1]。

#### 使用 `imadjust` 函数进行简单线性变换
对于简单的线性拉伸操作，可以利用内置函数 `imadjust` 来完成：

I = imread('pout.tif');
J = imadjust(I);
imshowpair(I,J,'montage')
title(['Left: Original Image | Right: Contrast Adjusted']);

此段代码读取了一张名为 'pout.tif' 的图片并对其进行了对比度增强，通过比较原图与调整后的效果图可以看出差异[^4]。

#### 自定义归一化算法
如果想要更加精确地控制归一化的程度，则可以根据具体需求编写自定义脚本。下面是一个基于累积概率密度函数(CDF)来进行全局直方图归一化的实例:

% 加载图像数据
img = double(imread('cameraman.tif'));

% 计算原始图像的CDF
[counts, centers] = imhist(img);
cdf = cumsum(counts)/numel(img);

% 创建新的灰度级映射关系
new_levels = round((size(cdf,2)-1)*cdf)+min(centers);

% 应用新创建的映射规则至整个图像矩阵
normalized_img = interp1(min(centers):max(centers), new_levels, img(:));
normalized_img = reshape(normalized_img,size(img));

% 显示结果
figure;
subplot(1,2,1); imshow(uint8(img)); title('Original Image');
subplot(1,2,2); imshow(uint8(normalized_img)); title('Normalized Image');

% 绘制两者的直方图以便直观理解变化过程
figure;
subplot(1,2,1); imhist(uint8(img)); title('Original Histogram');
subplot(1,2,2); imhist(uint8(normalized_img)); title('Normalized Histogram');

这段程序首先获取了图像文件中的数据，并计算其累计频率分布情况；接着依据该分布构建了一个从旧灰阶到新灰阶的一维插值查找表(LUT)，从而实现了对整幅画面的整体重映射；最后分别展示了转换前后的视觉效果及其对应的直方图表征形式。

matlab直方图增强图像

直方图均衡化是一种常用的图像增强方法，可以通过拉伸图像的灰度级分布来增强图像的对比度和亮度。在MATLAB中，可以使用`histeq`函数来实现直方图均衡化。具体步骤如下：

1. 读取彩色图像并转换为灰度图像。

   img = imread('color_img.jpg');
   gray_img = rgb2gray(img);

2. 对灰度图像进行直方图均衡化。

   eq_img = histeq(gray_img);

3. 显示原始图像和均衡化后的图像。

   subplot(1,2,1);
   imshow(gray_img);
   title('Original Image');
   subplot(1,2,2);
   imshow(eq_img);
   title('Equalized Image');

运行上述代码后，将显示原始图像和均衡化后的图像，可以看到均衡化后的图像对比度和亮度都有所提高。