img = imread('1.png'); img_gray = rgb2gray(img); % 指定窗口大小和步长 window_size = 15; step_size = 5; % 计算图像的局部直方图 [rows, cols] = size(img_gray); hist_local = zeros(rows, cols, 256); for i = 1:step_size:rows-window_size+1 for j = 1:step_size:cols-window_size+1 % 提取当前窗口内的像素值 window = img_gray(i:i+window_size-1, j:j+window_size-1); % 计算当前窗口内的直方图 hist_window = imhist(window, 256); % 将当前窗口内的直方图扩展为与窗口大小相同的矩阵 hist_window = kron(ones(window_size, window_size), hist_window); % 将当前窗口内的直方图保存到局部直方图中 hist_local(i:i+window_size-1, j:j+window_size-1, :) = hist_window; end end % 检查是否存在没有被赋值的位置 if any(hist_local(:) == 0) % 将没有被赋值的位置赋值为1 hist_local(hist_local == 0) = 1; end % 显示原始图像和局部直方图 figure; subplot(1,2,1), imshow(img_gray), title('原始图像'); subplot(1,2,2), imshow(histeq(hist_local)), title('局部直方图');

这段代码实现了对一幅灰度图像的局部直方图均衡化，具体步骤如下：

1. 读取图像，并将其转换为灰度图像。

img = imread('1.png');
img_gray = rgb2gray(img);

2. 指定均衡化窗口大小和步长。

window_size = 15;
step_size = 5;

3. 计算图像的局部直方图。

[rows, cols] = size(img_gray);
hist_local = zeros(rows, cols, 256);
for i = 1:step_size:rows-window_size+1
    for j = 1:step_size:cols-window_size+1
        % 提取当前窗口内的像素值
        window = img_gray(i:i+window_size-1, j:j+window_size-1);
        % 计算当前窗口内的直方图
        hist_window = imhist(window, 256);
        % 将当前窗口内的直方图扩展为与窗口大小相同的矩阵
        hist_window = kron(ones(window_size, window_size), hist_window);
        % 将当前窗口内的直方图保存到局部直方图中
        hist_local(i:i+window_size-1, j:j+window_size-1, :) = hist_window;
    end
end

4. 检查是否存在没有被赋值的位置，如果存在，将其赋值为1。

if any(hist_local(:) == 0)
    % 将没有被赋值的位置赋值为1
    hist_local(hist_local == 0) = 1;
end

5. 显示原始图像和局部直方图均衡化后的图像。

figure;
subplot(1,2,1), imshow(img_gray), title('原始图像');
subplot(1,2,2), imshow(histeq(hist_local)), title('局部直方图');

在这段代码中，局部直方图均衡化的关键是计算局部直方图。在每个窗口内，通过imhist函数计算窗口内像素值的直方图，然后将直方图扩展为与窗口大小相同的矩阵，最后将直方图保存到局部直方图中。最后，使用Matlab内置的histeq函数对局部直方图进行均衡化，得到均衡化后的图像。