直方图均衡化 原理、流程、公式推导及matlab实现

附上按照上述流程实现的MATLAB代码：

clc;close all;clear all; 
H= imread('测试图\lena512.bmp'); 
H=H(:,:,1);
%判断是否为三通道彩色图片 若是 则将其灰度化
if length(size(H))>2
    H=rgb2gray(H);  
end
%获取图片的尺寸 便于计算总像素数 即m*n 
[m,n]=size(H);  

%生成一个一行256列的矩阵
p=zeros(1,256);  

% 统计各灰度的像素个数 
%find(H==i) 是在图像矩阵里面寻找灰度为i的点坐标 
% 因为矩阵是从1开始的 所以为p(i+1)
for i=0:255  
   p(i+1)=length(find(H==i))/(m*n);  
end  


subplot(2,2,1);  
imshow(H);  
title('原图');  
subplot(2,2,2);  
% 显示原图的直方图
bar(0:255,p,'b');  
title('原图直方图');  
 
 % 利用循环 累加概率值
s=zeros(1,256);  
for i=1:256  
     for j=1:i  
         s(i)=p(j)+s(i);    %分布函数              
     end  
end  

%对s中的数先乘以255，再取整   
a=round(s*255+0.5);  
b=H;  
%更新原图像的灰度
for i=0:255  
     b(H==i)=a(i+1);                
end
  
subplot(2,2,3);  
imshow(b)                            
title('均衡化后图像');  
 %统计更新后的概率
for i=0:255  
    GPeq(i+1)=sum(p(a==i));            
end  
subplot(2,2,4);  
bar(0:255,GPeq,'b'); title('均衡化后的直方图'); 

运行后效果图：

实际上MATLAB自带直方图均衡函数adapthisteq以及灰度直方图显示函数imhist，用自带的函数进行操作，代码如下：

srcImage=imread('lula.jpg');

%转化成灰度图
grayImage=rgb2gray(srcImage);

%在窗口中显示2*2排列图像
subplot(2,3,1);
imshow(grayImage);
title('原图像灰度图');

%绘制灰度直方图
subplot(2,3,2);
imhist(grayImage);
title('灰度直方图');

%对灰度直方图均衡化处理
subplot(2,3,3);
H1=adapthisteq(grayImage);%灰度均衡化
imhist(H1);
title('直方图均衡化');
subplot(2,3,4);
imshow(H1);%显示调整后图像
title('直方图均衡化图像');

效果和自己写的代码类似：