matlab 直方图归一化

直方图规定化直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法.直方图规定化增强处理的步骤如下:令Pr（r）和Pz（z）分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直方图均衡化处理，应有：由于都是进行均衡化处理，处理后的原图像概率密度函数Ps（S）及理想图像概率密度函数PV（V）是相等的。于是，我们可以用变换后的原始图像灰度级S代替（2）式中的V。即：Z = G - 1（S）这时的灰度级Z 便是所希望的图像的灰度级。此外，利用（1）与（3）式还可得到组合变换函数Z = G - 1［T（r）］对连续图像，重要的是给出逆变换解析式。对离散图像而言，有clear all;
close all;
clc;I = imread（"2-t.bmp"）;
L=256;
NK=zeros（L,1）; %存储原图像直方图数据
Rk_CDF_Normal=zeros（L,1）; %存储直方图规定化后的图像的直方图
Rk_pre=zeros（L,1）; %存储原图像累积直方图数据
[row,col]=size（I）;%%
%获取像素灰度级
for i = 1:row
for j = 1:col
num = double（I（i,j））+1;
NK（num） = NK（num）+1;
end
end%计算直方图概率估计
Ps = NK./numel（I）;%存储原图像直方图概率数据
%计算累积直方图
for level=1:L
if level==1
Rk_pre（level）=Ps（level）;
else
Rk_pre（level）=Rk_pre（level-1）+Ps（level）;
end
end%%
%规定化直方图,在这里要得到2-s图像的灰度直方图
H = imread（"2-s.jpg"）;
H = rgb2gray（H）;
nk_normal = zeros（L,1）;
Rk_normal = zeros（L,1）;
[row,col] = size（H）;%获取像素灰度级
for i = 1:row
for j = 1:col
num_normal = double（I（i,j））+1;
nk_normal（num_normal） = nk_normal（num_normal）+1;
end
end%计算直方图概率估计
Ps_normal = nk_normal./numel（H）;
for level=1:L
if level==1
Rk_normal（level）=Ps_normal（level）;
else
Rk_normal（level）=Rk_normal（level-1）+Ps_normal（level）;
end
end%计算规定化累积直方图
for level=1:L
if level==1
Rk_CDF_Normal（level）=Rk_normal（level）;
else
Rk_CDF_Normal（level）=Rk_CDF_Normal（level-1）+Rk_normal（level）;
end
end%%
%计算原图像与目标图像累计直方图数值的差的绝对值
double ScMin=zeros（L,L）;
for y=1:L
for x=1:L
ScMin（x,y）=abs（Rk_pre（y）"-Rk_CDF_Normal（x）"）;
end
end
%建立映射
HisM=zeros（L:1）;
for level_x=1:L
min = 0;
minV=ScMin（1,level_x）;
for level_y=1:L
if（minV>ScMin（level_y,level_x））
minV=ScMin（level_y,level_x）;
min = level_y;
end
end
HisM（level_x）= min;
end%将原图像的每个像素灰度转换为直方图均衡化后的灰度
[row,col]=size（I）;
New=I;
for x = 1:row
for y = 1:col
Num = double（I（x,y））+1;
if Num==L
New（x,y）=HisM（L）;
end
end
end
figure;imshow（New）,title（"规定化后图像"）;