用matlab显示图像直方图

matlab的histeq函数MATLAB的histeq函数是一种用于图像处理的直方图均衡化函数。

该函数能够将图像的像素值进行均衡化，使得图像的整体亮度变化更加平滑、细腻。

在图像处理、计算机视觉、数字图像处理等领域中，histeq函数是非常重要的一种函数。

在使用histeq函数时，用户需要先将指定图像读取到MATLAB中。

可以通过imread函数将指定图片读取到MATLAB中，代码如下：img=imread('image.jpg');其中，’image.jpg‘指定了图片的路径和名称，使用时需要自定义。

读取图片后，用户可以对图像进行一系列操作，如灰度化处理、自适应对比度增强等。

这里介绍直方图均衡化的操作。

直方图均衡化的过程可以使图像中的灰度值分布呈现更加均匀的状态，因而可以增强图像的亮度和对比度。

直方图均衡化的原理非常简单，主要是通过将像素的灰度值进行均衡化处理，使像素的灰度值分布更加平衡。

在MATLAB中实现直方图均衡化的方法是使用histeq函数，该函数的基本语法如下：out=histeq(in)其中，in是待处理的输入图片，out是经过处理的输出图片。

histeq函数的使用方法非常简单，只需要输入待处理的图片即可。

不过，用户也可以通过一系列可选参数来对函数进行更细致的控制，使其具有更好的适用性。

histeq函数支持的可选参数主要包括以下几个方面：1、灰度级别的调整可以通过在函数中添加灰度级别参数，来调整输出图片的灰度级别。

在MATLAB中，默认的灰度级别是256，该参数可以通过在函数中添加histeq（in,n）来设置。

在该函数中，n是灰度级别的数量。

可以通过将n设为256来保持默认状态，或调整成更小的数字，使输出图片的色调更加细腻。

2、调整灰度分布在histeq函数中，可以通过调整灰度分布参数来控制输出图片的灰度值分布。

该参数可以使用一个由256个元素组成的向量表示。

该向量中的每一个元素对应一个灰度值，每个元素表示输出图片中该灰度值相应的像素数占比。

课设报告正⽂（MATLAB的图像直⽅图的计算与显⽰）⽬录摘要........................................................................ I 1 基础介绍 (1)1.1MATLAB简介 (1)1.2数字图像处理简介 (1)2 设计原理分析 (3)2.1灰度直⽅图的定义 (3)2.2设计原理 (3)2.3常⽤函数介绍 (3)3 程序及运⾏结果 (4)3.1流程图 (4)3.2源程序 (4)3.3运⾏结果 (5)3.4库函数运⾏结果 (7)4设计总结 (8)5⼼得体会 (9)参考⽂献 (10)1 基础介绍1.1MATLAB简介MATLAB是由美国mathworks公司发布的主要⾯对科学计算、可视化以及交互式程序设计的⾼科技计算环境。

它将数值分析、矩阵计算、科学数据可视化以及⾮线性动态系统的建模和仿真等诸多强⼤功能集成在⼀个易于使⽤的视窗环境中，为科学研究、⼯程设计以及必须进⾏有效数值计算的众多科学领域提供了⼀种全⾯的解决⽅案，并在很⼤程度上摆脱了传统⾮交互式程序设计语⾔（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进⽔平。

MATLAB和Mathematica、Maple并称为三⼤数学软件。

它在数学类科技应⽤软件中在数值计算⽅⾯⾸屈⼀指。

MATLAB可以进⾏矩阵运算、绘制函数和数据、实现算法、创建⽤户界⾯、连接其他编程语⾔的程序等，主要应⽤于⼯程计算、控制设计、信号处理与通讯、图像处理、信号检测、⾦融建模设计与分析等领域。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学、⼯程中常⽤的形式⼗分相似，故⽤MATLAB来解算问题要⽐⽤C，FORTRAN等语⾔完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点,使MATLAB成为⼀个强⼤的数学软件。

在新的版本中也加⼊了对C，FORTRAN，C++ ，JAVA的⽀持。

利用Matlab进行图像处理的常用方法概述：图像处理是数字信号处理的一个重要分支，也是计算机视觉领域的核心内容之一。

随着计算机技术的不断发展，利用Matlab进行图像处理的方法变得越来越重要。

本文将介绍一些常用的Matlab图像处理方法，包括图像的读取与显示、图像的预处理、图像的滤波处理、基本的图像增强方法以及图像的分割与检测等。

一、图像的读取与显示在Matlab中，可以使用imread函数直接读取图像。

通过指定图像的路径，我们可以将图像读取为一个矩阵，并且可以选择性地将其转换为灰度图像或彩色图像。

对于灰度图像，可以使用imshow函数将其显示出来，也可以使用imwrite函数将其保存为指定格式的图像文件。

对于彩色图像，可以使用imshow函数直接显示，也可以使用imwrite函数保存为指定格式的图像文件。

此外，还可以使用impixel函数获取图像中指定像素点的RGB值。

二、图像的预处理图像的预处理是指在进一步处理之前对图像进行调整和修复以消除图像中的噪声和不良的影响。

常用的图像预处理方法包括图像的平滑处理、图像增强和图像修复等。

1. 图像平滑处理：常用的图像平滑方法有均值滤波、中值滤波和高斯滤波等。

其中，均值滤波将每个像素点的值替换为其周围像素点的平均值，中值滤波将每个像素点的值替换为其周围像素点的中值，高斯滤波则通过加权平均的方式平滑图像。

2. 图像增强：图像增强是指通过一些方法提高图像的质量和信息内容。

常用的图像增强方法包括直方图均衡化、对比度拉伸和锐化等。

直方图均衡化通过调整图像的灰度分布，以提高图像的对比度和细节。

对比度拉伸是通过将图像的像素值线性拉伸到整个灰度范围内，以增强图像的对比度。

锐化则是通过增强图像的边缘和细节，使图像更加清晰。

三、图像的滤波处理图像的滤波处理是指通过对图像进行一系列滤波操作，来提取图像中的特征和信息。

常用的图像滤波方法包括模板滤波、频域滤波和小波变换等。

1. 模板滤波：模板滤波是基于局部像素邻域的滤波方法，通过定义一个滤波模板，将其与图像进行卷积操作，从而实现图像的滤波。

第一部分数字图像处理实验一图像的点运算实验1.1 直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备1.PC机一台；2.软件matlab。

三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。

书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果观察图像matlab环境下的直方图分布。

(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。

实验1.2 灰度均衡一．实验目的1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；2．理解和掌握灰度均衡原理和实现方法；二．实验设备1.PC机一台；2.软件matlab；三．程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。

I=imread('cameraman.tif');%读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。

MATLAB实用源代码图像读取及灰度变换I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题图像旋转I = imread('cameraman.tif');figure,imshow(I);theta = 30;K = imrotate(I,theta); % Try varying the angle, theta. figure, imshow(K)边缘检测I = imread('cameraman.tif');J1=edge(I,'sobel');J2=edge(I,'prewitt');J3=edge(I,'log');subplot(1,4,1),imshow(I);subplot(1,4,2),imshow(J1);subplot(1,4,3),imshow(J2);subplot(1,4,4),imshow(J3);1.图像反转MATLAB 程序实现如下：I=imread('xian.bmp');J=double(I);J=-J+(256-1); %图像反转线性变换H=uint8(J);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(H);2.灰度线性变换MATLAB 程序实现如下：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(2,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] subplot(2,2,3),imshow(J);title('线性变换图像[0.1 0.5]');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] subplot(2,2,4),imshow(K);title('线性变换图像[0.3 0.7]');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系3.非线性变换MATLAB 程序实现如下：I=imread('xian.bmp');I1=rgb2gray(I);subplot(1,2,1),imshow(I1);title(' 灰度图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系J=double(I1);J=40*(log(J+1));H=uint8(J);subplot(1,2,2),imshow(H);title(' 对数变换图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系4.直方图均衡化MATLAB 程序实现如下：I=imread('xian.bmp');I=rgb2gray(I);figure;subplot(2,2,1);imshow(I);subplot(2,2,2);imhist(I);I1=histeq(I);figure;subplot(2,2,1);imshow(I1);subplot(2,2,2);imhist(I1);5. 线性平滑滤波器用MA TLAB实现领域平均法抑制噪声程序：I=imread('xian.bmp');subplot(231)imshow(I)title('原始图像')I=rgb2gray(I);I1=imnoise(I,'salt & pepper',0.02);subplot(232)imshow(I1)title(' 添加椒盐噪声的图像')k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波subplot(233),imshow(k1);title('3*3 模板平滑滤波');subplot(234),imshow(k2);title('5*5 模板平滑滤波');subplot(235),imshow(k3);title('7*7 模板平滑滤波');subplot(236),imshow(k4);title('9*9 模板平滑滤波');6.中值滤波器用MA TLAB实现中值滤波程序如下：I=imread('xian.bmp');I=rgb2gray(I);J=imnoise(I,'salt&pepper',0.02);subplot(231),imshow(I);title('原图像');subplot(232),imshow(J);title('添加椒盐噪声图像');k1=medfilt2(J); %进行3*3模板中值滤波k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波subplot(233),imshow(k1);title('3*3模板中值滤波');subplot(234),imshow(k2);title('5*5模板中值滤波');subplot(235),imshow(k3);title('7*7模板中值滤波');subplot(236),imshow(k4);title('9*9 模板中值滤波');7.用Sobel算子和拉普拉斯对图像锐化：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(2,2,2),imshow(I1);title('二值图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系H=fspecial('sobel'); %选择sobel算子J=filter2(H,I1); %卷积运算subplot(2,2,3),imshow(J);title('sobel算子锐化图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子J1=conv2(I1,h,'same'); %卷积运算subplot(2,2,4),imshow(J1);title('拉普拉斯算子锐化图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系8.梯度算子检测边缘用MA TLAB实现如下：I=imread('xian.bmp');subplot(2,3,1);imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(2,3,2);imshow(I1);title('二值图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I2=edge(I1,'roberts');figure;subplot(2,3,3);imshow(I2);title('roberts算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I3=edge(I1,'sobel');subplot(2,3,4);imshow(I3);title('sobel算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I4=edge(I1,'Prewitt');subplot(2,3,5);imshow(I4);title('Prewitt算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系9.LOG算子检测边缘用MA TLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像');I1=rgb2gray(I);subplot(2,2,2);imshow(I1);title('灰度图像');I2=edge(I1,'log');subplot(2,2,3);imshow(I2);title('log算子分割结果');10.Canny算子检测边缘用MA TLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像')I1=rgb2gray(I);subplot(2,2,2);imshow(I1);title('灰度图像');I2=edge(I1,'canny');subplot(2,2,3);imshow(I2);title('canny算子分割结果');11.边界跟踪（bwtraceboundary函数）clcclear allI=imread('xian.bmp');figureimshow(I);title('原始图像');I1=rgb2gray(I); %将彩色图像转化灰度图像threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限BW=im2bw(I1, threshold); %将灰度图像转化为二值图像figureimshow(BW);title('二值图像');dim=size(BW);col=round(dim(2)/2)-90; %计算起始点列坐标row=find(BW(:,col),1); %计算起始点行坐标connectivity=8;num_points=180;contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);%提取边界figureimshow(I1);hold on;plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);title('边界跟踪图像');12.Hough变换I= imread('xian.bmp');rotI=rgb2gray(I);subplot(2,2,1);imshow(rotI);title('灰度图像');axis([50,250,50,200]);grid on;axis on;BW=edge(rotI,'prewitt');subplot(2,2,2);imshow(BW);title('prewitt算子边缘检测后图像');axis([50,250,50,200]);grid on;axis on;[H,T,R]=hough(BW);subplot(2,2,3);imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');title('霍夫变换图');xlabel('\theta'),ylabel('\rho');axis on , axis normal, hold on;P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));x=T(P(:,2));y=R(P(:,1));plot(x,y,'s','color','white');lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);subplot(2,2,4);,imshow(rotI);title('霍夫变换图像检测');axis([50,250,50,200]);grid on;axis on;hold on;max_len=0;for k=1:length(lines)xy=[lines(k).point1;lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');len=norm(lines(k).point1-lines(k).point2);if(len>max_len)max_len=len;xy_long=xy;endendplot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');13.直方图阈值法用MA TLAB实现直方图阈值法：I=imread('xian.bmp');I1=rgb2gray(I);figure;subplot(2,2,1);imshow(I1);title(' 灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系[m,n]=size(I1); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(I1==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置endsubplot(2,2,2),bar(0:255,GP,'g') %绘制直方图title('灰度直方图')xlabel('灰度值')ylabel(' 出现概率')I2=im2bw(I,150/255);subplot(2,2,3),imshow(I2);title('阈值150的分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I3=im2bw(I,200/255); %subplot(2,2,4),imshow(I3);title('阈值200的分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系14. 自动阈值法：Otsu法用MA TLAB实现Otsu算法：clcclear allI=imread('xian.bmp');subplot(1,2,1),imshow(I);title('原始图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系level=graythresh(I); %确定灰度阈值BW=im2bw(I,level);subplot(1,2,2),imshow(BW);title('Otsu 法阈值分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系15.膨胀操作I=imread('xian.bmp'); %载入图像I1=rgb2gray(I);subplot(1,2,1);imshow(I1);title('灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系se=strel('disk',1); %生成圆形结构元素I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀subplot(1,2,2);imshow(I2);title(' 膨胀后图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系16.腐蚀操作MATLAB 实现腐蚀操作I=imread('xian.bmp'); %载入图像I1=rgb2gray(I);subplot(1,2,1);imshow(I1);title('灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系se=strel('disk',1); %生成圆形结构元素I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀subplot(1,2,2);imshow(I2);title('腐蚀后图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系17.开启和闭合操作用MA TLAB实现开启和闭合操作I=imread('xian.bmp'); %载入图像subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(2,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1); %采用半径为1的圆作为结构元素I2=imopen(I1,se); %开启操作I3=imclose(I1,se); %闭合操作subplot(2,2,3),imshow(I2);title('开启运算后图像');axis([50,250,50,200]);axis on; %显示坐标系subplot(2,2,4),imshow(I3);title('闭合运算后图像');axis([50,250,50,200]);axis on; %显示坐标系18.开启和闭合组合操作I=imread('xian.bmp'); %载入图像subplot(3,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(3,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1);I2=imopen(I1,se); %开启操作I3=imclose(I1,se); %闭合操作subplot(3,2,3),imshow(I2);title('开启运算后图像');axis([50,250,50,200]);axis on; %显示坐标系subplot(3,2,4),imshow(I3);title('闭合运算后图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1);I4=imopen(I1,se);I5=imclose(I4,se);subplot(3,2,5),imshow(I5); %开—闭运算图像title('开—闭运算图像');axis([50,250,50,200]);axis on; %显示坐标系I6=imclose(I1,se);I7=imopen(I6,se);subplot(3,2,6),imshow(I7); %闭—开运算图像title('闭—开运算图像');axis([50,250,50,200]);axis on; %显示坐标系19.形态学边界提取利用MATLAB实现如下：I=imread('xian.bmp'); %载入图像subplot(1,3,1),imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(1,3,2),imshow(I1);title('二值化图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I2=bwperim(I1); %获取区域的周长subplot(1,3,3),imshow(I2);title('边界周长的二值图像');axis([50,250,50,200]);grid on;axis on;20.形态学骨架提取利用MATLAB实现如下：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on;I1=im2bw(I);subplot(2,2,2),imshow(I1);title('二值图像');axis([50,250,50,200]);axis on;I2=bwmorph(I1,'skel',1);subplot(2,2,3),imshow(I2);title('1次骨架提取');axis([50,250,50,200]);axis on;I3=bwmorph(I1,'skel',2);subplot(2,2,4),imshow(I3);title('2次骨架提取');axis([50,250,50,200]);axis on;21.直接提取四个顶点坐标I = imread('xian.bmp');I = I(:,:,1);BW=im2bw(I);figureimshow(~BW)[x,y]=getpts。

MATLAB 图像处理命令使用1.MATLAB中图像处理的一些简单函数A、imreadimread函数用于读入各种图像文件，其一般的用法为[X，MAP]=imread(‘filename’,‘fmt’)其中，X，MAP分别为读出的图像数据和颜色表数据，fmt为图像的格式，filename为读取的图像文件（可以加上文件的路径）。

例：[X，MAP]=imread（’flowers.tif’,’tif’）;比较读取二值图像，灰度图像，索引图像，彩色图像的X和MAP的特点，可以利用size 函数用来显示数组的维数，了解数据的特点。

B=size(a) 返回数组a 的维数。

B、imwriteimwrite函数用于输出图像，其语法格式为：imwrite(X,map,filename,fmt)imwrite(X,map,filename,fmt)按照fmt指定的格式将图像数据矩阵X和调色板map写入文件filename。

C、imfinfoimfinfo函数用于读取图像文件的有关信息，其语法格式为imfinfo(filename,fmt)imfinfo函数返回一个结构info，它反映了该图像的各方面信息，其主要数据包括：文件名（路径）、文件格式、文件格式版本号、文件的修改时间、文件的大小、文件的长度、文件的宽度、每个像素的位数、图像的类型等。

2.MATLAB中图像文件的显示imshowimshow函数是最常用的显示各种图像的函数，其语法如下：imshow(X,map)其中X是图像数据矩阵，map是其对应的颜色矩阵，若进行图像处理后不知道图像数据的值域可以用[]代替map。

（1）二进制（二值）图像显示方法，在MATLAB中一幅二值图像是uint8或双精度的，该矩阵仅包含0和1。

如果希望工具箱中的函数能将图像理解为二进制的，那么所有数据都要是逻辑数据，必须对其进行设置（将所有数据标志均设置on）.可以对数据利用“~”取反操作实现图像逆转即黑白反色。

灰度直⽅图，⽤MATLAB实现imhist灰度直⽅图：灰度直⽅图描述了⼀幅图像的绘图统计信息，主要应⽤于图像分割和图像灰度变换等处理过程中。

从数学上说它是⼀个关于灰度的函数，如令x表⽰灰度值(⼀般0≤x≤255)，则f(x)表⽰当x为特定灰度时，⼀幅图像上灰度值为x的像素的数量，要注意的是这⾥的函数f(x)是⼀个离散的函数。

从图形上来说，灰度直⽅图就是⼀个⼆维图，横坐标表⽰灰度值（灰度级别），纵坐标表⽰具有各个灰度值或者灰度级别的像素在图像中出现的次数或者概率；imhist⽬的：获取图像的灰度直⽅图。

⽤法：imhist( img )；直接显⽰图像img的灰度直⽅图；imhist（img，n）；显⽰⼀个统计n个灰度级信息的直⽅图，默认n为256；[counts, x] = imhist( img ) ；获取直⽅图信息，x为灰度级向量（⼀维），记录着图像中灰度的所有值，⽽counts也是⼀个向量（⼀维），⾥⾯记录着x 中对应灰度值出现的个数。

注：imhist只能统计灰度图像的直⽅图，⽽对于RGB图像则需要分别统计每个通道的直⽅图。

故使⽤imhist时，要将rgb图转换为灰度图。

clc;clear all;i=imread('lena.jpg');if(numel(size(i))==3) %判断图像是否⾮灰度图像； i=rgb2gray(i);endimhist(i); %⽤⾃带函数imhist实现；title('imhist');[m,n]=size(i);h=zeros(1,256); %⽣成⼀个1*256的0矩阵；for a=1:m for b=1:n h(i(a,b)+1)=h(i(a,b)+1)+1; %统计每个像素的数值，由于i(a,b)代表像素数值有0数值，⽽MATLAB中矩阵下标从1开始，所以⽤i(a,b)+1代替下标； endendfigure;bar(h); %⽤bar画图函数实现；axis([0 255 0 3000]); %控制bar的坐标范围，axis([Xmin Xmax Ymin Ymax]);title('histogram');xlabel('intensity');ylabel('frequency');实验结果如下：。

题目：matlab中直方图绘制函数hist和bar的使用matlab是一个功能强大的辅助工具，在很多领域都有人在使用它，其中的hist（）和bar（）函数也是一个使用量很高的函数，但它的用法可能还是有很多人不是十分的明了，下面小编将用做通俗易懂的词语来和大家分享这个函数的使用。

百度经验:工具/原料matlab2010百度经验:方法/步骤首先和大家分享hist（）函数的使用，这个函数有两种常用的函数格式，第一种、hist(x)：这种格式中x是一维向量，函数的作用是将x中的最小和最大值之间的区间等分成10等份，输出的直方图横坐标是x值，纵坐标是该值的个数可以理解为下面中的hist(x,10)。

针对第一种情况举个例子，x=[1,2,3,4,5,6,1,2,5,4,7,8,5,6,4,6];hist(x)在matlab中运行后的结果如下图所示第二种、函数格式为[a,b]=hist(x,n) 其中x是一维向量，函数功能是将x中的最小和最大值之间的区间等分n份，横坐标是x值，纵坐标是该值的个数。

返回的a是落在该区间内的个数，b是该区间的中心线位置坐标。

举个例子如下图num = 100;data = randn(1,num);m = 6;[a,b]=hist(data,m)输出结果如上图中下半部分所示，可以看到和理论分析的结果一样。

如果把上面的[a,b]=hist(data,m)改为hist(data,m)再在matlab 中运行可以得到下图所示的输出结果。

对于bar函数的使用一般格式如下：bar(x,y) 其中x必须是严格递增的且一维向量x和一维向量y长度相同。

以一维向量x的值为x坐标，对应的y为y坐标画直方图。

注意事项此经验由movieforyou首发，版权所有，谢绝盗版。

如果您喜欢，请投上一票、点赞或者留下宝贵意见，谢谢。

window.PDC && PDC.first_screen && PDC.first_screen();。

１　Ｍａｔｌａｂ程序流程图
2是girl的原图，图
是标准直方图，图5是
图匹配到标准后的直方图。

视觉上看两幅图是有明显变化的，两幅图的直方图也有比较
图２　ｇｉｒｌ原图
图３　ｇｉｒｌ原图的直方图
图４　标准直方图
图５　ｇｉｒｌ匹配到标准的图
图６　ｇｉｒｌ匹配到标准的直方图
直方图规定化能够产生特定的直方图，对图像中需要研究的灰度进行增强。

仿真结果表明直方图规定化能够有选择地对需要研究的灰度范围进行对比度增强，得到期望的增
图像增强技术中的直方图规定化技术是应用范围非常广的技术，在其他复杂图像处理技术（如分割技术）中也起到了比较重要的作用。

许多新技术、新思想的提出与新的应用方向的出现给该技术带来了蓬勃生机，使得该技术不断推
参考文献
基于直方图的高效图像增强算法研究
杭州电子科技大学,2014.
李庆.数字图像处理及MATLAB
,2010.
.数字图像处理[M].武汉:。

matlab中图像增强函数的具体使用方法matlab中图像增强函数的具体使用方法如下： 1 直方图imhist函数用于数字图像的直方图显示，如：i=imread('e:\w01.tif');imhist(i);2 直方图均化histeq函数用于数字图像的直方图均化，如：i=imread('e:\w01.tif');j=histeq(i);3 对比度调整imadjust函数用于数字图像的对比度调整，如：i=imread('e:\w01.tif');j=imadjust(i,[0.3,0.7],[]);4 对数变换log函数用于数字图像的对数变换，如：i=imread('e:\w01.tif');j=double(i);k=log(j);5 基于卷积的图像滤波函数filter2函数用于图像滤波，如：i=imread('e:\w01.tif');h=[1,2,1;0,0,0;-1,-2,-1];j=filter2(h,i);6 线性滤波利用二维卷积conv2滤波, 如:i=imread('e:\w01.tif');h=[1,1,1;1,1,1;1,1,1];h=h/9;j=conv2(i,h);7 中值滤波medfilt2函数用于图像的中值滤波，如：i=imread('e:\w01.tif');j=medfilt2(i);8 锐化（1）利用Sobel算子锐化图像, 如:i=imread('e:\w01.tif');h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子j=filter2(h,i);（2）利用拉氏算子锐化图像, 如:i=imread('e:\w01.tif');j=double(i);h=[0,1,0;1,-4,0;0,1,0];%拉氏算子k=conv2(j,h,'same');m=j-k;1、dilate函数该函数能够实现二值图像的膨胀操作，有以下形式：BW2=dilate(BW1，SE)BW2=dilate(BW1，SE，…，n)其中：BW2=dilate(BW1，SE)表示使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作。

matlab中图像函数大全Matlab中图像函数大全图像增强除高频噪声1、lps2、中值滤波（非线性）3、空域模板滤波1. 直方图均衡化的 Matlab 实现1.1 imhist 函数功能：计算和显示图像的色彩直方图格式：imhist(I,n)imhist(X,map)说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色图像 X 的直方图，map 为调色板。

用 stem(x,counts) 同样可以显示直方图。

1.2 imcontour 函数功能：显示图像的等灰度值图格式：imcontour(I,n),imcontour(I,v)说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。

1.3 imadjust 函数功能：通过直方图变换调整对比度格式：J=imadjust(I,[low high],[bottom top],gamma)newmap=imadjust(map,[low high],[bottom top],gamma)说明：J=imadjust(I,[low high],[bottom top],gamma) 其中，gamma 为校正量r，[low high] 为原图像中要变换的灰度范围，[bottom top] 指定了变换后的灰度范围；newmap=imadjust(map,[low high],[bottom top],gamma) 调整索引色图像的调色板 map 。

此时若 [low high] 和 [bottom top] 都为2×3的矩阵，则分别调整 R、G、B 3个分量。

1.4 histeq 函数功能：直方图均衡化格式：J=histeq(I,hgram)J=histeq(I,n)[J,T]=histeq(I,...)newmap=histeq(X,map,hgram)newmap=histeq(X,map)A＝fftn(X,SIZE)其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。

Matlab读取BMP,JPG图片显示直方图并以直方图谷底为阈值进行阈值分割Matlab读取BMP,JPG图片显示直方图并以直方图谷底为阈值进行阈值分割i=imread('blood.jpg');i = rgb2gray(i)figure(1);imshow(i);%显示原图figure(2);imhist(i);%显示直方图u=imhist(i);for a=1:256m(a)=0;endj=0;%求出热闹所有峰值的灰度级for a=1:254for b=a+1for c=b+1if u(a)<u(b)&u(b)>u(c)</u(b)&u(b)>j=j+1;m(j)=b;endendendend%求出峰值中的最大灰度级p=m(1);for a1=2:jif u(m(a1))>u(p)p=m(a1);endend%求出峰值中的最小灰度级w=m(1);for a4=2:jif u(m(a4))<u(w)< p="">w=m(a4);endend%求出与最大峰值相邻的峰值灰度级l=u(w);for a2=1:jif u(m(a2))>l;x=m(a2)-p;if(abs(x)>30)l=u(m(a2));q=m(a2);endendend%比较a3与b3的大小if p>qa3=q;b3=p;else a3=p;b3=q;end%求出直方图谷底灰度值l1=u(a3);for n1=(a3+1):(b3-1)if l1>u(n1)l1=u(n1);p1=n1;endendim=im2bw(i,p1/255);%二值化figure(3);imshow(im);%显示以直方图谷底为阈值分割后的图片</u(w)<>。