Octave 6.4.0中获取histeq变换并绘制直方图均衡化曲线

Octave的histeq确实不像Matlab那样直接返回变换矩阵T，但你可以手动计算这个均衡化变换，核心是基于输入图像的累积分布函数（CDF）推导映射关系，步骤如下：

1. 计算输入图像的直方图与累积分布函数 #

假设输入图像I是8位灰度图（像素值范围0-255）：

% 读取或准备灰度图像I
I = imread('your_image.png');
I = rgb2gray(I); % 彩色图需先转灰度

% 计算直方图，bin数设为256覆盖所有灰度级
[h, bins] = hist(I(:), 0:255);
% 计算归一化累积直方图（CDF）
cdf = cumsum(h) / numel(I);

2. 推导灰度变换T #

Matlab中histeq的变换T是输入灰度值到输出灰度的映射，由归一化CDF缩放得到：

% 将CDF映射到0-255灰度范围
T = round(cdf * 255);
% 转为列向量，确保对应输入灰度0-255的索引逻辑
T = T(:);

这里T(k)对应输入灰度值k-1（Octave索引从1开始）的输出灰度值，和Matlab返回的T逻辑完全一致。

3. 验证变换正确性 #

用推导的T生成均衡化图像，和Octave原生histeq输出对比：

% 用T生成均衡化图像
J_from_T = T(I + 1); % 输入灰度0-255加1转为1-256索引
J_octave = histeq(I); % Octave原生histeq输出

% 检查两幅图的差异（因浮点精度差异极小）
max(abs(J_from_T(:) - J_octave(:)))

4. 绘制变换曲线 #

直接用plot函数绘制T随输入灰度的变化曲线：

figure;
plot(0:255, T, 'LineWidth', 1.5);
xlabel('输入灰度值');
ylabel('输出灰度值');
title('histeq灰度变换曲线');
grid on;

补充：匹配指定目标直方图的情况 #

如果是用histeq(I, hspec)匹配到指定直方图hspec，变换T需基于目标直方图的CDF推导：

% 计算目标直方图的归一化CDF
cdf_spec = cumsum(hspec) / sum(hspec);
% 输入CDF与目标CDF的近似最近邻匹配
T = zeros(256, 1);
for k = 1:256
    [~, idx] = min(abs(cdf(k) - cdf_spec));
    T(k) = idx - 1; % 转为0-255灰度值
end

内容的提问来源于stack exchange，提问作者hasanghaforian