一．实验目的
1．掌握灰度直方图的概念及其计算方法；
2．熟练掌握直方图均衡化计算过程；了解直方图规定化的计算过程；
3．了解色彩直方图的概念和计算方法
二．实验内容 ：
1 读取数字图像，显示直方图（例如使用imhist,有余力可尝试bar,stem等函数），并进行直方图均衡化处理；
2 显示经过均衡化处理过的图像直方图。
3 有余力可探索更多关于直方图的图像处理操作（例如直方图规定化、局部直方图规定化等）。
4 记录和整理实验报告。
三．实验程序、实验结果与实验分析 ：
1.实验程序
（1）读取数字图像，显示直方图，并进行直方图均衡化处理（Test4_1）
I=imread('pollen.jpg');
J=histeq(I);%对原图像进行直方图均衡化处理
figure;subplot(1,2,1) ;imshow(I);title('原图像');
subplot(1,2,2) ;imshow(J);
title('直方图均衡化后的图像') ;
figure; subplot(1,2,1) ;
imhist(I,64); %将原图像直方图显示为64级灰度
title('原图像直方图') ;
subplot(1,2,2);
imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度
title('均衡变换后的直方图') ;
（2）读取数字图像，显示直方图，并进行直方图规定化处理（Test4_2）
I=imread('mars.jpg');
% 显示原始图像和其直方图
figure;
subplot(1, 2, 1);
imshow(I);
title('火星天体福布斯的图像');
subplot(1, 2, 2);
imhist(I, 64);
title('原图像直方图');
m1 = 0.15; sig1 = 0.05; m2 = 0.75; sig2 = 0.05;
A1 = 1; A2 = 0.07; k = 0.002;
p = twomodegauss(m1, sig1, m2, sig2, A1, A2, k);
% 对图像进行直方图规定化处理
J = histeq(I, p);
% 显示规定化处理后的图像和其直方图
figure;
subplot(1, 2, 1);
imshow(J);
title('直方图规定化后的图像');
subplot(1, 2, 2);
imhist(J, 64);
title('规定化处理后的直方图');
（3）读取数字图像，显示直方图，并进行局部直方图规定化处理（Test4_3）
f=imread('mars.jpg');
figure;
subplot(2, 2, 1);
imshow(f);
title('原始图像');
g1=adapthisteq(f);
subplot(2, 2, 2);
imshow(g1);
title('用默认值使用adpthisteq函数的结果');
g2=adapthisteq(f,'NumTiles',[25,25]);
subplot(2, 2, 3);
imshow(g2);
title('将参数NumTiles设置为[25,25]时函数的结果');
g3=adapthisteq(f,"NumTiles",[25,25],"ClipLimit",0.05);
subplot(2, 2, 4);
imshow(g3);
title('使用这个小片数量，并且ClipLimit=0.05时得到的结果');
2.实验结果
（1）读取数字图像，显示直方图，并进行直方图均衡化处理
（2）读取数字图像，显示直方图，并进行直方图规定化处理
直方图规定化后的图像
（3）读取数字图像，显示直方图，并进行局部直方图规定化处理
3.实验分析
（1）读取数字图像，显示直方图，并进行直方图均衡化处理
①读取灰度图像pollen.jpg
I=imread('pollen.jpg');
②对原图像进行直方图均衡化处理
J=histeq(I);
③将均衡化后图像的直方图显示为64级灰度
imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度
（2）读取数字图像，显示直方图，并进行直方图规定化处理
①读取灰度图像mars.jpg
I=imread('mars.jpg');
②使用双模态高斯函数作为特定的直方图
m1 = 0.15; sig1 = 0.05; m2 = 0.75; sig2 = 0.05;
A1 = 1; A2 = 0.07; k = 0.002;
p = twomodegauss(m1, sig1, m2, sig2, A1, A2, k);
③对图像进行直方图规定化处理
J = histeq(I, p);
（3）读取数字图像，显示直方图，并进行局部直方图规定化处理
①读取灰度图像mars.jpg
f=imread('mars.jpg');
②使用adpthisteq函数全部默认设置
g1=adapthisteq(f);
③将小片大小增加到[25,25]
g2=adapthisteq(f,'NumTiles',[25,25]);
④使用小片数量[25,25]，使ClipLimit=0.05
g3=adapthisteq(f,"NumTiles",[25,25],"ClipLimit",0.05);
四．思考题
1．直方图是什么概念？它反映了图像的什么信息？
直方图是一个统计图表，它用于表示数字图像中每个灰度级出现的频率或次数。对于一幅给定的图像，直方图能够展示图像中每个像素强度值（灰度级）的分布情况。横坐标通常代表灰度级，而纵坐标则代表该灰度级在图像中出现的频数或频率。
直方图反映了图像的以下几个关键信息：
对比度：通过直方图，可以观察图像中像素强度的分布情况，从而判断图像的对比度。
亮度：直方图的偏移情况可以反映图像的整体亮度。如果直方图主要偏向较高的灰度级，则图像整体偏亮；反之，如果偏向较低的灰度级，则图像整体偏暗。
动态范围：直方图能够展示图像所包含的灰度级范围，从而反映图像的动态范围。
2．直方图均衡化是什么意思？它的主要用途是什么？
直方图均衡化是一种增强图像对比度的方法，通过拉伸像素强度值的分布范围来增强图像的对比度。具体来说，它将原始图像的直方图变换为均匀分布的形式，从而增强图像中不同灰度级之间的对比度。
直方图均衡化的主要用途包括：
提高图像对比度：通过均衡化操作，可以使图像的灰度级分布更加均匀，从而提高图像的对比度，使图像中的细节更加清晰。
改善视觉效果：对于对比度较低的图像，直方图均衡化可以显著改善其视觉效果，使图像更加鲜明、生动。
预处理步骤：在图像处理和分析中，直方图均衡化常作为预处理步骤，为后续的特征提取、目标识别等任务提供更好的图像质量。