（一）基于MATLAB的数字图像处理———灰度变换

对于图像平面，定义为二维函数 f (x,y),其中x,y分别为空间横竖坐标。当f,x,y都是有限离散值时，图像即为数字图像。

一、图像的输入/输出和显示
从pc端读取图像，并显示出来是进行数字图像处理工作的第一步。
相关函数：
imread(‘filename’) //读取图片
imshow(f)//显示图片
figure//保留第一幅并输出第二幅
代码示例：

 f=imread('C:/experiment/test.png');
imshow(f);
>> g=imread('C:/experiment/test1.jpg');
>> figure,imshow(g);

代码结果：
使用figure函数后会保留上一步图片显示，如果直接使用imshow,则会覆盖上一张图片。

二、函数映射
使用空间域技术对图像的每个像素进行操作，即每个像素通过函数一对一，或多对一的映射处理得到处理后的图像。
1，相关函数：
imadjust//灰度值映射函数
代码示例

f=imread('C:/experiment/test2.jpg');
>> g=imadjust(f,[0,1],[1,0]);
>> imshow(g);
>> figure,imshow(f);

效果图：

imadjust 函数，语法为g=imadjust(f,[low-in,hign-in],[low-out,high-out],gamma);
即，将输入图像指定灰度范围映射到想要得到的输出图像的灰度范围，gamma为映射函数曲线的特征参数。gamma小于1，则映射被加权至高的输出值，大于1，则被加权至较低的输出值，等于1为线性映射。gamma默认为1。

上例中输入灰度范围[0,1]映射到[1,0]，显然是一种明暗反转。
对于imadjust的使用，我们可以用来研究我们感兴趣的灰度范围，将上例的灰度范围，我们指定将[0.3,0.7]的小范围灰度，扩展到整个[0，1]，我们会发现图像较暗，这时我们选gamma为0.5.

 clear all
>> f=imread('C:/experiment/test2.jpg');
>> imshow(f);
>> g=imadjust(f,[0.3,0.7],[0,1]);
>> imshow(g);
>> figure,imshow(f);
>> g1=imadjust(g,[],[],0.5);
>> figure,imshow(g1);

效果图：

有时可以直接使用stretchlim函数获取输入灰度图像的灰度范围，再进行映射，能得到更好的效果。有时使用对数函数（g=clog(1+f)*）进行拉伸变换，因为其曲线特点，能够将输入图像中较窄的低灰度值映射到输出图像较宽的灰度值。

三、直方图处理
1，计算并绘制图像直方图
由直方图获取灰度图像灰度级以及相应灰度级的幅值。
相关函数：
imhist//提取图像中直方图信息

f=imread('C:/experiment/test3.jpg');
>> imhist(f,8);
>>figure,imshow(f);

imhist函数语法中，imhist(f,n),f为输入图像，n为横坐标数目，上例中n=8，即将256化为8个区间，得到的是相应区间灰度幅值。

2,直方图均衡
直方图均衡的原理是累加。第一个灰度级开始，后一个灰度级与前面区间所有的灰度级幅值相加得到新的灰度级幅值。
相关函数：
histeq//实现直方图均衡

 f=imread('C:/experiment/test3.jpg');
imhist(f);
>> figure,imshow(f);
>> g=histeq(f,256);
>> figure,imhist(g);
>> figure,imshow(g);

在直方图中可以看到直方图均衡的方法并不能生成平坦的直方图，但是它能够增加图像灰度级的动态范围。

2.直方图匹配（规定化）
直方图均衡化不能随心所欲地生成我们需要的直方图效果，这时我们就要进行直方图匹配。
直方图匹配的原理：通过利用原图像的直方图和希望得到的直方图来推导出其中映射的函数。

clear all
>>  r=127;                              
x=-r:r+1;
sigma=20;
y1=exp(-((x-80).^2)/(2*sigma^2));
y2=exp(-((x+80).^2)/(2*sigma^2));
y=y1+y2;                        %双峰高斯函数，任意函数都可以


y=y/sum(y);         %归一化，使函数符合概率分布的sum(y)==1这样一个规律
plot(y);            %待匹配的直方图

G=[];               %函数的累积直方图
for i=1:256
   G=[G sum(y(1:i))]; 
end

img=imread(' C:/experiment/test3.jpg');
[m n]=size(img);
hist=imhist(img);       %待处理图像的直方图
p=hist/(m*n);           
figure;plot(p)          %原图直方图

s=[];                   %待处理图像的累积直方图
for i=1:256
    s=[s sum(p(1:i))];
end

for i=1:256
    tmp{i}=G-s(i);
    tmp{i}=abs(tmp{i});         %因为要找距离最近的点，所以取绝对值
    [a index(i)]=min(tmp{i});   %找到两个累积直方图距离最近的点
end

imgn=zeros(m,n);
for i=1:m
   for j=1:n
      imgn(i,j)=index(img(i,j)+1)-1;    %由原图的灰度通过索引映射到新的灰度
   end
end

imgn=uint8(imgn);
figure;imshow(imgn)
figure;plot(imhist(imgn))       %新图的直方图

指定的灰度直方图效果

原始图像的灰度直方图效果

直方图匹配后的直方图