展开全部
 
1、首先随机产生一组数据作为例子，在这里，我们32313133353236313431303231363533e4b893e5b19e31333431363566随机产生一组数据，并将其圆整为整数，方法是：a=round(10*rand(5,1))
 

 
2、接下来，可以用MATLAB的内置函数bar进行绘图，方法是bar(a)，在这里，可以自己定义直方图的宽度，系统默认的宽度为0.8，因此，可以依据默认的宽度设置自己想要的宽度，例如，在本例中将宽度设置为0.5，bar(a,0.5)
 

 
3、当然除了设置宽度以外，还可以设置直方图的颜色，方法是直接在bar函数的括号里设置就可以了，'r'为红色，'y'为黄色，'b'为黑色等等。bar(a,0.5,'r')，如图。
 

 
4、有时候，还需要在直方图的上方显示它的数值，这时可以用text函数进行标记，方法是：
 
bar(a,0.5)
 
for i=1:length(a)
 
text(i,a(i),num2str(a(i)),'VerticalAlignment','bottom',...
 
'HorizontalAlignment','center','FontSize',9,'color','r','FontWeight','bold')
 
end
 
其中，text后面引号中的内容主要代表标记文字的对齐方式、字的颜色、大小、粗细等，其中，对齐方式必须要设置，否则标记的值不会刚好出现在直方图的正上方，
 

 
5、除此之外，还可以做以y轴为底的直方图，方法是用barh函数实现，barh(a,0.5)，值的标记，颜色修改等等和上面的方法一样。
 

 
MATLAB 中直方图均衡化和规定化处理函数格式如
 
下:
 
(1) J = imhist( I , n)
 
(2) J = imhist( I , map)
 
(3) [ counts , X ] = imhist ( I , ?)
 
(4) J = histeq( I , n)
 
(5) J = histeq( I , ma p , n)
 
(6) [ J , counts ] = histeq( I , ?)
 
说明:对于格式(1) ,显示图像I 的直方图,n 为灰度级
 
数目,灰度图像的缺省值为256 ,黑白图像缺省值为2 ;对于
 
格式(2) ,J 返回调色板为map 的图像I 的直方图;对格式(3) ,返回图像I 的每个灰度上的像素点数目;格式(4) 对图
 
像I 均衡化处理,n 表示灰度级数目,缺省值为64 ;格式(5)
 
对调色板为map 的灰度图像均衡化处理,返回有n 级灰度
 
的图像;格式(6) 对图像I 均衡化处理后同时返回各灰度
 
值。
 
下面举例说明直方图均衡化和规定化处理:
 
I = imread(′rice. t i f′) ; %读入图像
 
imshow( I) ; %显示图像
 
tit le(′原始图像′) ;
 
f igure , imhist ( I ,256) ; %显示原始图像直方图, 灰度级为256
 
tit le(′原始图像直方图′) ;
 
%直方图均衡化处理
 
J = histeq( I ,32) ; %均衡化处理为灰度级为32 的直方图figure , imshow( J) ;
 
tit le(′均衡化图像(32 级)′) ;
 
figure , imhist ( J ,256) ;
 
[ counts , x ] = imhist ( J) ; %获得均衡化处理后直方图各像素点灰度级以便后面图像规定化
 
tit le(′均衡化图像直方图1′) ;
 
%直方图规定化处理
 
K = imread(′pout . t i f′) ;
 
figure , imshow( K) ;
 
tit le(′要规定化图像′) ;
 
figure , imhist ( K) ;
 
tit le(′要规定化图像直方图′) ;
 
L = histeq( K, counts) ; %规定化处理
 
figure , imshow( L) ;
 
tit le(′规定化后图像′) ;
 
figure , imhist ( L) ;
 
tit le(′规定化后图像直方图′) ;
 
程序实现的图像如图1～7 所示,其中图1 和图2 为原
 
始图像及其直方图,原始图像较暗且动态范围小;图3 和图

这里统计了最全的matlab画直方图的方法，各个色彩空间（RGB/HSV/Lab）的都包含，相信这对大家都有帮助。。。
 


 
彩色图像直方图统计
 
统计图像直方图，进行灰度级线性分段增强
灰度分段线性变换
实现代码
  
绘制彩色图像直方图
绘制彩色直方图方法一
绘制彩色直方图方法二
  
将图像映射到HSV视觉接近的颜色空间中,计算统计在该空间的直方图
绘制Lab颜色空间分量图和分量直方图
makecform和applycform函数
实现代码
  
资源传送门
「❤️ 感谢大家」

 
统计图像直方图，进行灰度级线性分段增强
 
灰度分段线性变换
 
在某些情况下，为了将图像灰度级整个范围（A,B）或其中某一段扩展或压缩到另一灰度范围（Z1,ZK）质内，称灰度的线性变换。
 
（1）当图像曝光不充分，使（A,B）区间小于（Z1,ZK）区间，即：A>Z1、B<ZK可选用这样的变换：
 
 通过这种变换，使得图像灰度范围从（A,B）扩展到（Z1,ZK），实际上使曝光不充分的图像中黑的更黑、白的更白，从而提高了图像灰度的对比度。
 
 （2）若图像的绝大部分灰度集中在（A,B）之间，则用这样的变换：
 
 这种变换实际上失去了一部分图像的信息。
 
 
实现代码
 
实验测试图像：lena图
 
 
I = imread('lena1.jpg') ; % 读取rgb图像
I = rgb2gray(I);
figure, imshow(I); 
figure, imhist(I); % 显示图像的灰度值直方图
%进行灰度级线性分段增强:
f0 = 0; g0 = 0;
fl = 20; g1 = 100;
f2 = 100; g2 = 180 ;
f3= 255; g3 = 255 ;
r1 = (g1 - g0) / (fl - f0);
bl = g0 -  r1 * f0;
r2 = (g2 - g1) / (f2 - fl);
b2 = g1 - r2 * fl;
r3 = (g3 - g2)  /  (f3 - f2);
b3 = g2 -  r3 * f2 ;
[m , n ] = size(I);
x2 = double(I); %变换矩阵中的每一个元素
for i = 1 : m
    for j = 1 : n
        f  = x2( i , j);
        g(i , j ) = 0 ;
        if( f >= 0) & (f <= fl)
            g(i, j) = r1 * f + bl;
        elseif(f >= fl) & (f <= f2)
            g(i, j) = r2 * f + b2;
        elseif( f >= f2) & (f <= f3)
            g(i, j) = r3 * f + b3;
        end
    end
end
J = mat2gray(g);
figure, imshow(J);
figure, imhist(J);
%进行对比度调整
K = imadjust(J); 
figure, imshow(K);
figure, imhist(K);
 
结果：
 
灰度图像
 
 直方图
 
 增强图像
 
 
 
对比度调整图像
 
 
 
绘制彩色图像直方图
 
通常情况下绘制直方图我们都是使用imhist()函数，但是当使用该函数绘制彩色图像的直方图时会报如下错误：
 
 正常情况下，需要先将彩色图像转换为会灰度图像，在绘制直方图。代码如下：
 
I = imread('lena1.jpg') ; % 读取rgb图像
I = rgb2gray(I);% 灰度化
figure, imhist(I); % 显示图像的灰度值直方图
 
绘制彩色直方图方法一
 
方法：
 
提取RGB各分量，使用imhist提取各分量图像的直方图
plot绘制各分量图像的直方图
hold on 将直方图绘制在同一坐标系中
 
实现代码：
 
img=imread('lena1.jpg');
R=img(:,:,1);	
G=img(:,:,2);
B=img(:,:,3);
histogramR=imhist(R);
histogramG=imhist(G);
histogramB=imhist(B);
x=0:1:255;
figure;
plot(x,histogramR, 'r');
hold on
plot(x,histogramG, 'g');
hold on
plot(x,histogramB, 'b');
 
结果：
 
 
如果需要在直方图中填充颜色，可以使用fill()函数，代码如下：
 
% R线填充颜色
fill([x,fliplr(x)],[zeros(size(histogramR')),fliplr(histogramR')],'r');	
% G线填充颜色
fill([x,fliplr(x)],[zeros(size(histogramG')),fliplr(histogramG')],'g');
% B线填充颜色
fill([x,fliplr(x)],[zeros(size(histogramB')),fliplr(histogramB')],'b');
 
 
绘制彩色直方图方法二
 
方法：
 将每个颜色通道变为一列，将数据以柱状图形式画出，默认绘图的时候采用的颜色顺序为b,g,r,c,m,y,k，跟图片的rgb顺序正好相反，所以把图片列的顺序倒过来，让图片颜色通道跟绘制时的颜色一致
 
代码：
 
I=imread('lena1.jpg');
siz=size(I);
I1=reshape(I,siz(1)*siz(2),siz(3));  % 每个颜色通道变为一列
I1=double(I1);
[N,X]=hist(I1, [0:1:255]);    % 如果需要小矩形宽一点，划分区域少点，可以把步长改大，比如0:5:255
bar(X,N(:,[3 2 1]));    % 柱形图，用N(:,[3 2 1])是因为默认绘图的时候采用的颜色顺序为b,g,r,c,m,y,k，跟图片的rgb顺序正好相反，所以把图片列的顺序倒过来，让图片颜色通道跟绘制时的颜色一致
xlim([0 255])
hold on
plot(X,N(:,[3 2 1]));    % 上边界轮廓
hold off
 
结果：
 
 
将图像映射到HSV视觉接近的颜色空间中,计算统计在该空间的直方图
 
实现代码：
 
clear
clc
close all
rgb = imread('lena1.jpg');
if size(rgb,3)~=3 
    error('3 components is needed for histogram'); 
end 

% globals 
H_BITS = 4; S_BITS = 2; V_BITS = 2; 
%rgb2hsv可用rgb2hsi代替
hsv = uint8(255*rgb2hsv(rgb)); 

imgsize = size(hsv); 
% 去掉不相关的界限
i0=round(0.05*imgsize(1));  i1=round(0.95*imgsize(1)); 
j0=round(0.05*imgsize(2));  j1=round(0.95*imgsize(2)); 
hsv = hsv(i0:i1, j0:j1, :); 
 
% 画直方图
for i = 1 : 2^H_BITS 
    for j = 1 : 2^S_BITS 
        for k = 1 : 2^V_BITS 
            colorhist(i,j,k) = sum(sum( ... 
                bitshift(hsv(:,:,1),-(8-H_BITS))==i-1 &... 
                bitshift(hsv(:,:,2),-(8-S_BITS))==j-1 &... 
                bitshift(hsv(:,:,3),-(8-V_BITS))==k-1 ));             
        end         
    end 
end 
colorhist = reshape(colorhist, 1, 2^(H_BITS+S_BITS+V_BITS));

% 归一化 
colorhist = colorhist/sum(colorhist);
figure,plot(colorhist)
 
结果：
 
 
绘制Lab颜色空间分量图和分量直方图
 
makecform和applycform函数
 
makecform创建一个颜色转换结构，函数makecform用于创建cform结构，而函数applycform使用cform结构转换颜色。
 
例如：以Lab彩色空间为基础创建在感觉上的一致彩色空间
 
 
 
这里设计在40和80之间的间隔相等的估值为1024的斜坡
 
 
L = linspace(40,80,1024);   %构建线性斜坡
radius = 70;
theta = linspace(0,pi,1024);
a = radius*cos(theta);
b = radius*sin(theta);      %设置平面中的彩色极角
L=repmat(L,100,1);
a=repmat(a,100,1);
b=repmat(b,100,1);
lab_scale = cat(3,L,a,b);  %制作一幅彩色标尺图像
cform = makecform('lab2srgb');
rgb_scale = applycform(lab_scale,cform);
imshow(rgb_scale)    %显示彩色标尺
 
结果：
 
实现代码
 
img = imread('lena1.jpg');
translate = makecform('srgb2lab');
lab = applycform(img, translate);
L = lab(:,:,1);
a = lab(:,:,2);
b = lab(:,:,3);
figure(1);
subplot(2,2,1);
imshow(a);
title('a分量图像');
subplot(2,2,2);
imshow(b);
title('b分量图像');
subplot(2,2,3);
imhist(a);
title('a分量直方图');
subplot(2,2,4);
imhist(b);
title('b分量直方图');
 
结果：
 
 
资源传送门
 
关注【做一个柔情的程序猿】公众号，后台回复解压密码获取文件解压密码
在【做一个柔情的程序猿】公众号后台回复 【python资料】【2020秋招】 即可获取相应的惊喜哦！
 
「❤️ 感谢大家」
 
点赞支持下吧，让更多的人也能看到这篇内容（收藏不点赞，都是耍流氓 -_-）
欢迎在留言区与我分享你的想法，也欢迎你在留言区记录你的思考过程

 
图像的灰度直方图(H是图像a.bmp的数据矩阵)
 
imhist(H)；%显示a的直方图
 
histeq(H); %将图像a进行直方图均衡化
 
adapthisteq(H); %将图像a进行直方图均衡化
 
imhist函数只能处理二维数据，因此处理RGB图像，需先转化成灰度图像，显示灰度直方图。
 
例1：显示图像灰度直方图并进行直方图均衡化。
 
H=rgb2gray(imread('peppers.png'));
 
subplot(3,2,1);
 
imshow(H);
 
title('原图');
 
subplot(3,2,2);
 
imhist(H);
 
title('原图直方图');
 
subplot(3,2,3);
 
H1=adapthisteq(H);
 
imshow(H1);
 
title('adapthisteq均衡后图');
 
subplot(3,2,4);
 
imhist(H1);
 
title('adapthisteq均衡后直方图');
 
subplot(3,2,5);
 
H2=histeq(H);
 
imshow(H2);
 
title('histeq均衡后图');
 
subplot(3,2,6);
 
imhist(H1);
 
title('histeq均衡后直方图');
 
例2： 自己设计程序显示直方图，并实现直方图均衡化。
 
直方图均衡化是直方图修正技术的一种。一幅均匀量化的自然图像的灰度直方图通常在低灰度区域的频率较大，这样的图像较暗，区域中的细节常常看不清楚。
 
直方图均衡化可使得图像的灰度间距拉大或者使灰度分布均匀，从而增加了反差，使图像细节清晰，达到图像增强的目的。
 
x=rgb2gray(imread('peppers.png'));
 
[m,n]=size(x);
 
p=zeros(1,256);
 
for i=0:255
 
p(i+1)=length(find(x==i))/(m*n);
 
end
 
subplot(2,2,1);
 
bar(0:255,p,'b');
 
title('原图直方图');
 
subplot(2,2,2);
 
imshow(x);
 
title('原图');
 
s=zeros(1,256);
 
for i=1:256
 
for j=1:i
 
s(i)=p(j)+s(i);
 
end
 
end
 
a=round(s*255);
 
for i=0:255
 
GPeq(i+1)=sum(p(find(a==i)));
 
end
 
subplot(2,2,3);
 
bar(0:255,GPeq,'b')
 
title('均衡化后的直方图');
 
b=x;
 
for i=0:255
 
b(find(x==i))=a(i+1);
 
end
 
subplot(2,2,4);
 
imshow(b)
 
title('均衡化后图像');
 
【matlab】图像直方图
 
使用imhist函数(要先用rgb2gray转化为灰度图像) 利用matlab计算图像直方图函数为imhist() 具体用法: imhist( i );直接显示图像i的灰度直方图: imhist(i, ...
 
OpenCV成长之路(5)：图像直方图的应用
 
正如第4篇文章所说的图像直方图在特征提取方面有着很重要的作用,本文将举两个实际工程中非常实用的例子来说明图像直方图的应用. 一.直方图的反向映射. 我们以人脸检测举例,在人脸检测中,我们第一步往往需要 ...
 
OpenCV成长之路：图像直方图的应用
 
OpenCV成长之路:图像直方图的应用 2014-04-11 13:57:03 标签:opencv 图像 直方图 原创作品,允许转载,转载时请务必以超链接形式标明文章 原始出处 .作者信息和本声明.否 ...
 
Matlab实现直方图均衡化
 
G=imread('aini555.jpg'); I=rgb2gray(G); J=histeq(I); %直方图均衡化,这一个函数就可以做到均衡化的效果 figure, subplot(),imsh ...
 
OpenCV成长之路(4)：图像直方图
 
一.图像直方图的概念 图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的.纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比. 图 ...
 
matlab图像类型转换以及uint8、double、im2double、im2uint8和mat2gray等说明
 
转自:http://blog.csdn.net/fx677588/article/details/53301740 1. matlab图像保存说明 matlab中读取图片后保存的数据是uint8类型( ...
 
Matlab图像彩色转灰色
 
Matlab图像彩色转灰色 时间:2014年5月7日星期三 网上找的程序.实现图像彩色转灰色: I1=imread('C:\Users\Yano\Desktop\matlab\test1\4.jpg' ...
 
OpenCV成长之路：图像直方图
 
http://ronny.blog.51cto.com/8801997/1394115 2014-04-11 13:47:27 标签:opencv 直方图 统计表 原创作品,允许转载,转载时请务必以超 ...
 
Python实现图像直方图均衡化算法
 
title: "Python实现图像直方图均衡化算法" date: 2018-06-12T17:10:48+08:00 tags: [""] categorie ...
 
随机推荐
 
事件EVENT与waitforsingleobject的使用
 
事件event与waitforsingleobject的配合使用,能够解决很多同步问题,也可以在数据达到某个状态时启动另一个线程的执行,如报警. event的几个函数: 1.CreateEvent和O ...
 
关于IE8兼容svg图片问题解决
 
参考 http://www.zhangxinxu.com/wordpress/2013/09/svg-fallbacks/ 对博主表示感谢,详述请参考上述链接 直接把代码复制过来了,备份记录下 &lt ...
 
【POJ2949】Word Rings(最大平均值环)
 
题意:给定N个字符串,如果A串的最后两个字母跟B串的前两个字母相同它们就能连接. 求一个由字符串组成的首尾相连的环,使(字符串总长度/字符串个数)最大. n<=100000 len<=10 ...
 
C&plus;&plus;中数组求偏移量计算公式
 
已知数组:type A[10][5]A[0][0] --A[8][4]面试常考:数组定义A[0....x][0...y]已知A[m][n] --求A[k][l]的地址:    &A[m][n] ...
 
Swift互用性：与 Cocoa 数据类型共舞(Swift 2&period;0版)-b
 
本节内容包括: 字符串(Strings) 数值(Numbers) 集合类(Collection Classes) 错误(Errors) Foundation数据类型(Foundation Data T ...
 
通过logstash-input-mongodb插件将mongodb数据导入ElasticSearch
 
目的很简单,就是将mongodb数据导入es建立相应索引.数据是从特定的网站扒下来,然后进行二次处理,也就是数据去重.清洗,接着再保存到mongodb里,那么如何将数据搞到ElasticSearch中 ...
 
pyhton之Reportlab模块
 
reportlab模块是用python语言生成pdf文件的模块 安装:pip install reportlab 模块默认不支持中文,如果使用中文需要注册 1.注册中文字体 下载自己需要的.ttf字体 ...
 
&period;Net Core实现记录接口执行时间的中间件
 
项目中有时接口访问时间过长,但是通过浏览器F12查看时,接口访问时间很正常,所以就很奇怪,于是写一个中间件,记录所有接口访问时间的中间件. 一.中间件 中间件是应用程序处理管道中的组件,用来处理请求和 ...
 
Spring MVC 异步测试
 
从spring3.2开始,支持servlet3的异步请求,这对于处理耗时的请求如缓慢的数据库查询是非常有好处的,不至于很快的耗光servlet的线程池,影响可扩展性. 让我们先来了解一下servlet ...