matlab直方图均衡化实验报告,直方图均衡化步骤简单讲解与Matlab实现

直方图均衡化是一种可以使图片的灰度级分散得更均匀的方法，利用的是均一化的思想(涉及概率论的内容这里不作解释因为我也不会)。

实际操作是很简单的(如果只是实现主要的内容)。

主要步骤：

1.求出各个灰度级的分布概率(频率代替概率)

2.计算各个灰度级的累计概率(累加，最后等于1)

3.由旧的灰度级算出新的灰度级

4.将图片的各个点映射回新的灰度级

Matlab代码实现：

%假设有矩阵

A=imread('Grayimage.tiff');

subplot(2,3,1),imshow(A),title('原图');

%图片尺寸

[m,n]=size(A)；

%一般图片为256，看图片具体情况而定。

N=256;

%定义原图直方图的向量

P=zeros(1,N);

统计每个灰度级出现的次数占总数的比例。

%遍历计算每个灰度级出现的次数

for i=1:m

for j=1:n

for a=0:N-1

if A(i,j)==a

P(a+1)=P(a+1)+1;

end

end

end

end

%平均求频率，频率代替概率

P=P/(m*n);

subplot(2,3,2),bar(P),title('原图直方图'); %可以用其它的绘图函数代替

统计灰度级的累计概率，即第一个灰度级的概率为原本概率，第二个灰度级概率为第1个灰度级+第2个灰度级，第三个灰度级概率为第1个+第2个+第3个灰度级概率……

%概率累计PD

PD=P;

for i=2:N

PD(i)=PD(i-1)+PD(i);

end

subplot(2,3,3),bar(PD),title('原图累计直方图');

旧灰度级与新灰度级的关系是:

新灰度级=[(原灰度级的累计概率)*(总灰度级-1)+0.5]取小数点前面的整数，应该是四舍五入的操作。

这里用fix实现。

%新灰度级并匹配显示新图

S=zeros(1,N);

for i=1:N

S(i)=fix((N-1)*PD(i)+0.5);

end

for i=1:m

for j=1:n

A(i,j)=S(A(i,j)+1);

end

end

subplot(2,3,4),imshow(A),title('新图');

观察新图的灰度直方图。

%新图的灰度直方图

P2=zeros(1,N);

for i=1:m

for j=1:n

for a=0:N-1

if A(i,j)==a

P2(a+1)=P2(a+1)+1;

end

end

end

end

P2=P2/(m*n);

subplot(2,3,5),bar(P2),title('新图直方图');

结果图，可以观察到新图的直方图被拉开了，图片的对比度更高。另外，请读者们注意，这里的横坐标是错误的，是没有做调整的，而正确的直方图应该从0开始。

事实上，这种做法存在的缺陷是：对于一些灰度级比较少的图片，可能会导致一些比较明显的灰度级缺失(因为用到了取整的操作)，进一步导致图片的内容缺失，不过对于比较复杂的图片而言是没有问题的。

新图由于缺少0级灰度值导致黑色区域变白

其实Matlab里面已经有了一个方便好用的直方图均衡化的函数：histeq(img);

读者们不妨使用open histeq来打开这个函数，仔细看看里面的一些特殊的处理。