编程实现灰度图像的直方图均衡化算法 使用Matlab实现，不能直接调用自带的histeaq函数 采用函数调用的方式：定义功能函数g=myhisteq(f)将结果与使用matlab自带的histeq函数得到的结果进行比较

灰度图像的直方图均衡化是一种常见的图像增强技术，用于改善图像对比度，使得暗部和亮部细节更加明显。在没有使用`histeq`函数的情况下，我们可以手动实现这个过程。这里我会给你一个基本的步骤来创建一个名为`myhisteq`的函数，用于计算并应用直方图均衡化。

首先，我们需要理解直方图均衡化的两个关键步骤：
1. 计算输入图像的直方图（Histogram）。
2. 根据直方图创建一个新的灰度值映射表（Cumulative Distribution Function, CDF）。
3. 使用CDF重新映射原始像素值。

以下是一个简单的实现：

function g = myhisteq(f)
% Step 1: 计算直方图
counts = imhist(f, 0:255); % 创建从0到255的等距直方图
numBins = length(counts);

% Step 2: 创建累积分布函数 (CDF)
cdf = cumsum(counts) / sum(counts); % 归一化累计直方图

% Step 3: 应用新的灰度值映射
minVal = min(f(:)); % 获取最小像素值
maxVal = max(f(:)); % 获取最大像素值
newImage = cdf(round((f - minVal) * (numBins - 1))) + minVal; % 对每个像素应用映射

% 检查输出范围是否正确（如果必要）
if any(newImage < 0 | newImage > 255)
    warning('Output image contains values outside the [0, 255] range.');
end

% 返回处理后的图像
g = uint8(newImage);

在这个函数中，我们假设输入图像的灰度值范围在0到255之间。如果图像有其他范围，你需要相应地调整直方图的范围和新图像的生成。

现在你可以像这样使用这个函数：

% 假设你有一个名为'inputImage.jpg'的灰度图像
f = imread('inputImage.jpg', 'gray'); % 读取图像
equaledImage = myhisteq(f); % 应用直方图均衡化
% 将结果保存为新文件或与histeq函数的结果做比较
imwrite(equaledImage, 'outputImage.jpg');