1、实现幂律变换，可以尝试调整gamma数值，观察图像变换。分析Lena图像（灰度）在不同gamma数值下，图像灰度变换的特点。

       2、观察Lena图像的直方图。实现Lena图像的直方图均衡，观察效果。

            又叫幂次变换、伽马矫正。

            幂次变换的基本表达式为：y=cxr+b（注：这里的r是在指数位置）

            其中c、r均为正数。与对数变换相同，幂次变换将部分灰度区域映射到更宽的区域中。当r=1时，幂次变换转变为线性变换。

           (1)当r0时，变换函数曲线在正比函数下方。此时扩展高灰度级，压缩低灰度级，使图像变暗。

                                                            图1 不同gamma数值曲线

         定义：进行图像灰度的调整

      形式：J=imadjust(I,[low_in;high_in],[low_out;high_out],gamma)

          描述：将灰度图像I中的灰度值映射成输出图像J中的新值，使得low_in和high_in之间的值映射成low_out和high_out之间的值。low_in，high_in，low_out，high_out的值必须在0到1之间。低于low_in的值和高于high_in的值被去除。可用一个空矩阵[]来替代[low_in; high_in]或者[low_out; high_out]，这样就默认为[0 1]。参数gamma指定了曲线的形状，该曲线用来映射I的亮度值。如果gamma小于1，映射被加权到更高的输出值。如果gamma大于1，映射被加权到更低的输出值。如果省略了函数的参量，则gamma默认为1（线性映射）。 

         定义：获取图像的直方图数据

         形式：imhist(I)

                    imhist(I,n)

                    imhist(X,map)

          描述：

              对于imhist(I), 直接统计该图的直方图，灰度图为256个等级；

              对于imhist(I,n)，I为灰度的输入图像，n为指定的灰度级数目，缺省值为256；

              对于hist(X,map)计算和显示索引色图像X的直方图，map为调色板。用stem(x,counts)同样可以显示直方图。counts和x分别为返回直方图数据向量和相应的彩色向量。

              定义：利用直方图均衡化增强对比度

              形式：J = histeq(I,hgram)

                         J = histeq(I,n)

                         J = histeq(I)

                描述：变换灰度图像I，使输出灰度图像J的hgram直方图与目标直方图hgram近似匹配。 

                                                                                        图2 对比gamma数值实现幂律变换

分析：由于只看gamma数值变换对图像的影响，所以在函数J=imadjust(I,[low_in;high_in],[low_out;high_out],gamma)中只调整了gamma数值，显然当gamma数值小于1时，图像加亮、减暗。当gamma数值大于1时，图像加暗、减亮。

                                                                图3 gamma值为0.3的直方图数据和直方图均衡化数据

分析：上左图选取的直方图数据来自gamma值为0.3的图像（图2中第2副图），因为当gamma值为0.3时，图像加亮、减暗，显然从直方图数据可以看出左图0-130数据几乎为0，数据都集中在130-250之间，符合图像加亮、减暗特征。当进行直方图均衡化后，从右图看出，数据都均匀分布。

                                                 图4 直方图均衡化输出图像