如何在 MATLAB 中对直方图进行归一化?

matlabdata analysisprogramming

直方图只是一种图形表示，用于显示一组数据点的分布情况。直方图的归一化是将其频率分布在较大范围内的过程。

在讨论如何在 MATLAB 中实现直方图归一化之前，我们先来了解一下直方图归一化的概述。

什么是直方图归一化?

直方图是一种图形化表示数据集频率分布的方式。有时，我们会看到直方图的频率分布在一个较小的范围内。这会导致数字图像的对比度较差。

有一种称为"直方图归一化"的技术，用于将数据集的频率分布在较大的范围内。
在数字图像处理中，直方图归一化用于提高图像的对比度。

从数学上讲，直方图归一化使用以下公式执行:

$$\mathrm{Hist. Norm=\frac{(强度 − 最小值)}{(最大值 \:值 − 最小值 \:值)}× 255}$$

现在，让我们讨论一下在 MATLAB 中直方图归一化的过程。

MATLAB 中的直方图归一化

在 MATLAB 中，直方图的归一化按以下步骤执行 -

步骤 (1) - 读取需要进行直方图归一化的数字图像。为此，请使用"imread"函数。
步骤 (2) - 如果需要，将输入图像转换为灰度图像。为此，请使用"rgb2gray"函数。
步骤 (3) − 将灰度图像转换为双精度数据类型以进行计算。为此，请使用"double"函数。
步骤 (4) - 指定直方图归一化所需的最小值和最大值。
步骤 (5) - 使用直方图归一化公式对直方图进行归一化。
步骤 (6) - 显示结果。

示例

让我们通过一个例子来理解这些步骤的实现和执行，以对图像进行直方图归一化。

% 用于执行直方图归一化的 MATLAB 代码
% 读取输入图像
img = imread('https://www.tutorialspoint.com/assets/questions/media/14304-1687425269.jpg');

% 将输入图像转换为灰度
gray_img = rgb2gray(img);

% 将灰度图像转换为双精度数据类型
double_img = double(gray_img);

% 指定直方图归一化的最小值和最大值
min_value = 50;
max_value = 170;

% 执行直方图归一化
norm_img = (double_img - min_value) / (max_value - min_value);

% 缩放归一化后的图像
scaled_img = norm_img * 255;

% 将缩放后的图像转换为 uint8 格式进行显示
hist_norm_img = uint8(scaled_img);

% 显示输入图像、归一化图像及其直方图
figure;
subplot(2, 2, 1);
imshow(gray_img);
title('Input Image');

subplot(2, 2, 2);
imhist(gray_img);
title('Input Image Histogram');

subplot(2, 2, 3);
imshow(hist_norm_img);
title('Normalized Image');

subplot(2, 2, 4);
imhist(hist_norm_img);
title('Normalized Histogram');