直方图均衡化是一种可以使图片的灰度级分散得更均匀的方法，利用的是均一化的思想（涉及概率论的内容这里不作解释因为我也不会）。
实际操作是很简单的（如果只是实现主要的内容）。
主要步骤：
1.求出各个灰度级的分布概率（频率代替概率）
2.计算各个灰度级的累计概率（累加，最后等于1）
3.由旧的灰度级算出新的灰度级
4.将图片的各个点映射回新的灰度级
Matlab代码实现：
%假设有矩阵
A=imread('Grayimage.tiff');
subplot(2,3,1),imshow(A),title('原图');
%图片尺寸
[m,n]=size(A)；
%一般图片为256，看图片具体情况而定。
N=256;
%定义原图直方图的向量
P=zeros(1,N);
统计每个灰度级出现的次数占总数的比例。
%遍历计算每个灰度级出现的次数
for i=1:m
for j=1:n
for a=0:N-1
if A(i,j)==a
P(a+1)=P(a+1)+1;
end
end
end
end
%平均求频率，频率代替概率
P=P/(m*n);
subplot(2,3,2),bar(P),title('原图直方图'); %可以用其它的绘图函数代替
统计灰度级的累计概率，即第一个灰度级的概率为原本概率，第二个灰度级概率为第1个灰度级+第2个灰度级，第三个灰度级概率为第1个+第2个+第3个灰度级概率……
%概率累计PD
PD=P;
for i=2:N
PD(i)=PD(i-1)+PD(i);
end
subplot(2,3,3),bar(PD),title('原图累计直方图');
旧灰度级与新灰度级的关系是:
新灰度级=[(原灰度级的累计概率)*(总灰度级-1)+0.5]取小数点前面的整数，应该是四舍五入的操作。
这里用fix实现。
%新灰度级并匹配显示新图
S=zeros(1,N);
for i=1:N
S(i)=fix((N-1)*PD(i)+0.5);
end
for i=1:m
for j=1:n
A(i,j)=S(A(i,j)+1);
end
end
subplot(2,3,4),imshow(A),title('新图');
观察新图的灰度直方图。
%新图的灰度直方图
P2=zeros(1,N);
for i=1:m
for j=1:n
for a=0:N-1
if A(i,j)==a
P2(a+1)=P2(a+1)+1;
end
end
end
end
P2=P2/(m*n);
subplot(2,3,5),bar(P2),title('新图直方图');
结果图，可以观察到新图的直方图被拉开了，图片的对比度更高。另外，请读者们注意，这里的横坐标是错误的，是没有做调整的，而正确的直方图应该从0开始。
事实上，这种做法存在的缺陷是：对于一些灰度级比较少的图片，可能会导致一些比较明显的灰度级缺失（因为用到了取整的操作），进一步导致图片的内容缺失，不过对于比较复杂的图片而言是没有问题的。
新图由于缺少0级灰度值导致黑色区域变白
其实Matlab里面已经有了一个方便好用的直方图均衡化的函数：histeq(img);
读者们不妨使用open histeq来打开这个函数，仔细看看里面的一些特殊的处理。
