1.给定图像输出直方图

img = imread('E:\matlab\work\1.jpg');
p=rgb2gray(img);    %转为灰度图像
imhist(p);

效果：

2.给定一个线性变换函数，实现图像的灰度拉伸

I = imread('E:\matlab\work\lenna.bmp')
I2=I.*2-50  %做线性变换
imshow(I2); %显示经过线性变换后的图像 

3.实现对图像的均衡化

I = imread('E:\matlab\work\lenna.bmp');
[height,width] = size(I);
figure
subplot(221)
imshow(I)%显示原始图像
subplot(222)
imhist(I)%显示原始图像直方图  

%进行像素灰度统计;
s = zeros(1,256);%统计各灰度数目，共256个灰度级
for i = 1:height
    for j = 1: width
        s(I(i,j) + 1) = s(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一
    end
end
%计算灰度分布密度
p = zeros(1,256);
for i = 1:256
    p(i) = s(i) / (height * width * 1.0);
end
%计算累计直方图分布
c = zeros(1,256);
c(1) = p(1);
for i = 2:256
        c(i) = c(i - 1) + p(i);
end
%累计分布取整,将其数值归一化为1~256
c = uint8(255 .* c + 0.5);
%对图像进行均衡化
for i = 1:height
    for j = 1: width
        I(i,j) = c(I(i,j)+1);
    end
end
subplot(223)
imshow(I)%显示均衡化后的图像
subplot(224)
imhist(I)%显显示均衡化后的图像的直方图  

或者可以直接用matlab的函数 histeq(I,256)

效果：