求图像的直方图这一大类

直方图属于图像的统计信息，是许多数字图像处理的基础。要理解好两幅图像的联合直方图，首先要沿着

直方图-归一化直方图-联合直方图-归一化联合直方图  学习，下面就简单介绍一下直方图。

直方图

g=imhist(f，b),b为直方图统计栈个数，默认256

归一化直方图

p=imhist(f,b)/numel(f);  numel用来求数组f中的个数，也就是图像的元素个数。

好吧，字有点多，就直接重点介绍联合直方图了，以后再补全。

matlab代码：

image = imread('hedgebw.pgm');

imageA = image;

imageB = image;

[row, col] = size(image);

grayscale = 256;

jointHistogram = zeros(grayscale, grayscale);

for y = 1:row

    for x = 1:col

        jointHistogram(imageB(y, x) + 1, imageA(y, x) + 1) = ...

            jointHistogram(imageB(y, x) + 1, imageA(y, x) + 1) + 1;

    end

end

figure, imshow(mat2gray(jointHistogram)); title('联合概率分布');

 
对两幅完全相同的图像，它们的联合直方图类似于下图：



代码转自：http://blog.csdn.net/wu_xiangwei/article/details/5691212

利用直方图可以对图像增强

直方图均衡化，对图像增强，拉伸图像的灰度级数动态范围。

g=histeq(f,nlev),nlev是灰度级数，默认64，最好改成256.

直方图规定化（匹配）

g=histeq(f,hspec),hspec为特定的直方图（某个特定值的行向量）

自适应直方图均衡,前面的两种方法都是对全部图像处理，自适应方法对图像的小区域进行处理，可以对局部进行增强，但又避免放大噪声。

q=adapthisteq(f,param1,vall,param2,vall....)，param/vall参看help列表。