在Matlab中进行图像处理时，图像归一化是一个非常重要的步骤。归一化能够将图像的像素值转换到某个特定的范围内，通常是将像素值归一化到[0,1]或[-1,1]区间，这样做有助于提高算法的稳定性和准确性。以下是Matlab图像处理中必学的几种图像归一化方法。
1. 归一化到[0,1]区间
将图像数据从原始的范围（通常是[0,255]对于8位灰度图像）转换到[0,1]区间，可以使用以下公式：
img_normalized = double(img) / 255;
这里，img是原始图像，img_normalized是归一化后的图像。
2. 归一化到[-1,1]区间
对于需要更大动态范围的场景，可以将像素值归一化到[-1,1]区间：
img_normalized = (double(img) - 128) / 128;
这个公式通过将原始像素值减去128，然后除以128，实现了归一化。
3. 归一化到任意区间
有时候，我们可能需要将图像归一化到任意指定的区间，例如[100,200]：
a = 100;
b = 200;
img_normalized = (double(img) - min(img(:))) * (b - a) / (max(img(:)) - min(img(:))) + a;
在这个公式中，min(img(:))和max(img(:))分别表示图像的最小值和最大值，a和b是目标区间的起始和结束值。
4. 归一化到标准正态分布
将图像数据转换成符合标准正态分布（均值为0，标准差为1）的过程也是归一化的一种：
mean_img = mean(img(:));
std_img = std(img(:));
img_normalized = (img - mean_img) / std_img;
这个方法通过减去图像的均值并除以其标准差来实现归一化。
5. 归一化与颜色映射
在Matlab中，使用颜色映射也是一种常见的归一化方法。例如，可以使用colormap函数将灰度图像归一化到不同的颜色映射中：
gray_img = rgb2gray(img);
colormap('gray');
imshow(gray_img);
这里，rgb2gray函数将彩色图像转换为灰度图像，然后使用灰度颜色映射。
实际应用案例
假设我们有一张8位灰度图像，想要将其归一化到[0,1]区间，并保存到新文件中。以下是完整的代码示例：
% 读取图像
img = imread('example.jpg');
% 归一化到[0,1]区间
img_normalized = double(img) / 255;
% 显示归一化后的图像
imshow(img_normalized);
% 保存归一化后的图像
imwrite(img_normalized, 'example_normalized.jpg');
通过以上步骤，我们可以在Matlab中轻松地掌握图像归一化方法。这些技巧不仅有助于提高图像处理的效率，还能改善算法的性能。在实际应用中，根据具体的需求选择合适的归一化方法是非常重要的。