直方图均衡matlab
时间: 2023-08-20 18:59:08 浏览: 35
在MATLAB中,可以使用`histeq`函数来实现直方图均衡化。
使用方法如下:
```matlab
% 读取图像
img = imread('image.jpg');
% 将图像转换为灰度图像
gray_img = rgb2gray(img);
% 进行直方图均衡化
eq_img = histeq(gray_img);
% 显示原始图像和均衡化后的图像
subplot(1, 2, 1);
imshow(gray_img);
title('原始图像');
subplot(1, 2, 2);
imshow(eq_img);
title('直方图均衡化后的图像');
```
上述代码中,首先使用`imread`函数读取图像,然后使用`rgb2gray`函数将图像转换为灰度图像。接下来,使用`histeq`函数对灰度图像进行直方图均衡化,得到均衡化后的图像。最后,使用`subplot`和`imshow`函数将原始图像和均衡化后的图像显示在一个窗口中。
通过直方图均衡化,可以增强图像的对比度和亮度,使得图像更加清晰和具有良好的视觉效果。
相关问题
局部直方图均衡matlab
好的,针对您的问题,可以使用MATLAB中的`histeq`函数来实现局部直方图均衡化。具体步骤如下:
1. 读入图像
2. 将图像分成若干个小块
3. 对每个小块进行直方图均衡化
4. 将处理后的小块拼接成完整的图像
以下是MATLAB代码示例:
```matlab
% 读入图像
img = imread('example.jpg');
% 将图像分成若干个小块
blockSize = 32;
[h, w] = size(img);numRows = floor(h / blockSize);
numCols = floor(w / blockSize);
blocks = mat2cell(img, blockSize * ones(1, numRows), blockSize * ones(1, numCols));
% 对每个小块进行直方图均衡化
for i = 1:numRows
for j = 1:numCols
blocks{i,j} = histeq(blocks{i,j});
end
end
% 将处理后的小块拼接成完整的图像
img_eq = cell2mat(blocks);
% 显示原图和处理后的图像
figure;
subplot(1,2,1);
imshow(img);
title('Original Image');
subplot(1,2,2);
imshow(img_eq);
title('Equalized Image');
```
自适应直方图均衡matlab
在Matlab中进行自适应直方图均衡化可以使用以下代码:
```matlab
% 读入图像
img = imread('lena.jpg');
% 将图像转换为灰度图像
gray_img = rgb2gray(img);
% 定义滑动窗口大小
window_size = 15;
% 获取图像大小
[height, width] = size(gray_img);
% 初始化输出图像
output = uint8(zeros(size(gray_img)));
% 遍历图像中的每个像素
for i = 1:height
for j = 1:width
% 计算滑动窗口的位置
row_min = max(1, i - floor(window_size/2));
row_max = min(height, i + floor(window_size/2));
col_min = max(1, j - floor(window_size/2));
col_max = min(width, j + floor(window_size/2));
% 获取滑动窗口内的像素
window = gray_img(row_min:row_max, col_min:col_max);
% 对滑动窗口内的像素进行直方图均衡化
window_histeq = histeq(window);
% 将均衡化后的像素赋值给输出图像对应位置
output(i, j) = window_histeq(floor(window_size/2) + 1, floor(window_size/2) + 1);
end
end
% 显示原始图像和均衡化后的图像
subplot(121); imshow(gray_img); title('Original Image');
subplot(122); imshow(output); title('Adaptive Histogram Equalization');
```
其中,需要先读入图像并将其转换为灰度图像,定义滑动窗口大小,获取图像大小,然后遍历图像中的每个像素,对滑动窗口内的像素进行直方图均衡化,并将均衡化后的像素赋值给输出图像对应位置。最后显示原始图像和均衡化后的图像。