读入一幅图像，进行直方图均衡化处理，同屏显示原图像、均衡化处理后的图像，同屏 显示图像均衡化处理前后的直方图。matlab实现

下面是Matlab实现代码：

% 读入图像
img = imread('image.jpg');
% 显示原图像
subplot(2,2,1);
imshow(img);
title('Original Image');
% 绘制原图像直方图
subplot(2,2,2);
imhist(img);
title('Original Image Histogram');
% 进行直方图均衡化处理
img_eq = histeq(img);
% 显示均衡化处理后的图像
subplot(2,2,3);
imshow(img_eq);
title('Equalized Image');
% 绘制均衡化处理后的直方图
subplot(2,2,4);
imhist(img_eq);
title('Equalized Image Histogram');

首先，我们使用`imread`函数读入一幅图像，并将其存储在`img`变量中。然后，我们使用`subplot`函数将图像及其直方图显示在同一窗口中。`subplot(2,2,1)`表示将图像显示在第一行第一列的位置上，`subplot(2,2,2)`表示将直方图显示在第一行第二列的位置上，以此类推。

接着，我们使用`imhist`函数绘制原图像的直方图。`histeq`函数用于进行直方图均衡化处理，得到均衡化处理后的图像，存储在`img_eq`变量中。最后，我们使用`imshow`和`imhist`函数分别显示均衡化处理后的图像及其直方图。

相关问题

python对图像进行直方图均衡化处理

使用Python进行图像直方图均衡化处理可以使用OpenCV库中的equalizeHist()函数。下面是一个示例代码：

import cv2

# 读入图像
img = cv2.imread('image.jpg', 0)

# 对图像进行直方图均衡化处理
equ = cv2.equalizeHist(img)

# 显示原图和均衡化处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', equ)

# 等待按下任意键退出
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，首先使用cv2.imread()函数读入一张灰度图像，然后使用cv2.equalizeHist()函数对图像进行直方图均衡化处理，得到均衡化后的图像equ。最后使用cv2.imshow()函数显示原图和均衡化处理后的图像。注意，如果要处理彩色图像，可以先将彩色图像转换为灰度图像，然后再进行直方图均衡化处理。

对灰度图像进行直方图均衡处理matlab代码

以下是对灰度图像进行直方图均衡处理的MATLAB代码示例：

% 读入灰度图像
img = imread('lena.jpg');

% 计算图像直方图
histogram = imhist(img);

% 计算累积直方图
cdf = cumsum(histogram) / numel(img);

% 对原图像进行直方图均衡处理
eq_img = uint8(255 * cdf(img + 1));

% 显示处理前后的图像
subplot(1,2,1), imshow(img), title('原图像');
subplot(1,2,2), imshow(eq_img), title('均衡化后的图像');

这段代码中，首先使用 imread() 函数读入一张灰度图像，然后使用 imhist() 函数计算图像的直方图。接着，使用 cumsum() 函数计算累积直方图，并将其除以图像像素总数得到概率密度函数。最后，使用 cdf() 函数将原图像进行直方图均衡处理，得到均衡化后的图像。最后使用 subplot() 和 imshow() 函数将处理前后的图像显示在同一窗口中。

需要注意的是，这里使用的 cdf() 函数和 cumsum() 函数是自己定义的函数，代码如下：

function y = cdf(x)
y = zeros(size(x));
for i = 1:numel(x)
    y(i) = sum(x(1:i));
end

function y = cumsum(x)
y = zeros(size(x));
for i = 1:numel(x)
    y(i) = sum(x(1:i));
end

这两个函数都是利用循环计算给定向量的累积和。在实际使用中，也可以直接使用 MATLAB 自带的 cumsum() 函数代替这两个函数。