用MATLAB将图片直方图均衡化，变换不同的灰度级数，得到三种结果

在MATLAB中，你可以使用`imhist`函数获取图像的直方图，然后利用`histeq`函数来进行直方图均衡化处理。直方图均衡化是一种常见的图像增强技术，它通过改变像素值的分布，使得图像的整体亮度更加均匀。

以下是步骤：

1. **读取图片**：

   img = imread('example.jpg'); % 替换为你想处理的图片文件名

2. **计算原始直方图**：

   hist = imhist(img);

3. **直方图均衡化**：

   eq_img = histeq(img);

4. **显示原图和直方图均衡化的结果**：

   subplot(1, 3, 1), imshow(img, 'InitialMagnification', 'fit'), title('Original Image');
   subplot(1, 3, 2), imshow(eq_img, 'InitialMagnification', 'fit'), title('Equalized Image');
   subplot(1, 3, 3), imagesc(hist), colormap(gray), title('Histogram');

这会展示三部分：原始图像、直方图均衡化后的图像以及对应的直方图对比。

相关问题

用MATLAB将图片进行直方图均衡化，并变换不同的灰度级数，得到三种结果

在MATLAB中，图像直方图均衡化是一种常用的技术，它通过改变像素值的概率分布，使得整个图像的对比度增强，特别适用于那些暗部细节丢失或对比度过低的图片。以下是使用MATLAB进行图像直方图均衡化的步骤以及创建三种不同灰度级数结果的过程：

1. **加载图片**:
使用`imread`函数读取图像文件，例如：

   img = imread('your_image.jpg');

2. **计算原始直方图**:
使用`imhist`或`histcounts`获取图像的灰度直方图：

   histOriginal = imhist(img);

3. **直方图均衡化**:
MATLAB有内置函数`imadjust`来进行直方图均衡化，也可以手动归一化并查找新的灰度值范围：

   % 使用imadjust
   imgEq = imadjust(img);
   % 或者手动操作
   minVal = min(img(:));
   maxVal = max(img(:));
   newMin = 0;
   newMax = 255; % 假设你要调整到8位灰度
   imgEq = (img - minVal) * ((newMax - newMin) / (maxVal - minVal)) + newMin;

4. **保存处理后的图像**:

   imwrite(imgEq, 'equalized_img1.jpg');

5. **改变灰度级数**:
若要得到不同灰度级别的效果，可以调整直方图均衡化后的图像的动态范围。比如，你可以选择不同的最小最大值，或者应用不同的伽马校正：

- 改变新范围:

     imgEqGamma = imadjust(imgEq, [0 0.9], [], 1); % 降低对比度
     imwrite(imgEqGamma, 'equalized_img2.jpg');

- 应用伽马校正:

     gamma = 0.7; % 可以设置不同的伽马值
     imgEqGamma = imgEq.^gamma;
     imwrite(imgEqGamma, 'equalized_img3.jpg');

用MATLAB将图片直方图进行归一化，变换不同的灰度级数，得到三种结果

在MATLAB中，你可以通过`imhist`函数获取图片的直方图，然后使用`histeq`（直方图均衡化）或其他方法进行归一化。这里我会为你展示如何对一张灰度图像进行三种不同类型的直方图变换：

1. **直方图拉伸（Histogram Stretching）**：
这种方法简单地调整直方图，使得大部分像素落在中间灰度范围内，提高对比度。比如，假设我们有图像`I`，可以这样做：

   % 计算直方图
   imgHist = imhist(I);
   
   % 找到最小和最大灰度值
   minVal = min(imgHist);
   maxVal = max(imgHist);
   
   % 拉伸直方图
   stretchedImg = rescale(I, [minVal, maxVal]);

`rescale`函数用于按照新的比例线性地缩放图像的像素值。

2. **直方图均衡化（Histogram Equalization）**：
这是一种更高级别的直方图变换，通过均匀分布所有灰度等级，增强图像的整体对比度：

   % 直方图均衡化
   eqImg = imadjust(I);

`imadjust`会自动处理直方图并进行动态范围的调整。

3. **自适应直方图均衡化（Adaptive Histogram Equalization）**：
对于更大的图像或局部区域，可以使用`adapthisteq`函数，它根据局部信息调整每个小区域的直方图：

   % 自适应直方图均衡化
   aheqImg = adapthisteq(I);

上述操作后的三种结果，分别是原始图像、普通拉伸后的图像和经过均衡化或自适应均衡化处理后的图像，每一种都能改变图像的亮度对比度，有助于更好的视觉呈现。