直方图匹配或叫做直方图规定化都可以，是把原图像的直方图按照给定的直方图加以映射，使新图像的直方图的分布类似于给定的函数。

　　总共有以下几步：

　　1.求给定的函数的累积直方图s。

　　2.求原图像的累积直方图G。

　　3.求s中每一个值在G中距离最小的位置index。

　　4.求原图像每个像素通过index映射到的新像素的值。

下面一个例子来说明：

function hist1()
clear all;
close all;
clc;

r=127;                              
x=-r:r+1;
sigma=20;
y1=exp(-((x-80).^2)/(2*sigma^2));
y2=exp(-((x+80).^2)/(2*sigma^2));
y=y1+y2;                        %双峰高斯函数，任意函数都可以

%im=imread('1.jpg');  %匹配一个图像的直方图
%y=imhist(im);
y=y/sum(y);         %归一化，使函数符合概率分布的sum(y)==1这样一个规律
subplot(221);%待匹配的直方图
plot(y);

G=[];               %函数的累积直方图
for i=1:256
   G=[G sum(y(1:i))]; 
end

img1=imread('test.jpg');
img=rgb2gray(img1);
[m n]=size(img);
hist=imhist(img);       %待处理图像的直方图
p=hist/(m*n);           
subplot(222);plot(p);         %原图直方图

s=[];                   %待处理图像的累积直方图
for i=1:256
    s=[s sum(p(1:i))];
end

for i=1:256
    tmp{i}=G-s(i);
    tmp{i}=abs(tmp{i});         %因为要找距离最近的点，所以取绝对值
    [a index(i)]=min(tmp{i});   %找到两个累积直方图距离最近的点
end

imgn=zeros(m,n);
for i=1:m
   for j=1:n
      imgn(i,j)=index(img(i,j)+1)-1;    %由原图的灰度通过索引映射到新的灰度
   end
end

imgn=uint8(imgn);
subplot(223);imshow(imgn);
subplot(224);plot(imhist(imgn));       %新图的直方图