在許多影象處理系統中，對影象進行歸一化都是必備的預處理過程。一般而言，對於灰度影象（或彩色通道的每個顏色分量）進行灰度歸一化就是：使其畫素的灰度值分佈在0~255之間，避免影象對比度不足（影象畫素亮度分佈不平衡）從而對後續處理帶來干擾。

一種常見的影象歸一化原理1是y=(x-MinValue)/(MaxValue-MinValue)
其中x、y分別為歸一化前、歸一化後的值，MaxValue、MinValue分別為原始影象灰度的最大值和最小值。

原始碼示例（這裡包含了三種方法：前兩種是程式設計實現2，最後一種直接呼叫MATLAB函式來實現3，大家可以參考）：

oriImage = imread('XXXX.jpg'
 
);
grayImage = rgb2gray(oriImage);
figure;
imshow(grayImage);

originalMinValue = double(min(min(grayImage)));
originalMaxValue = double(max(max(grayImage)));
originalRange = originalMaxValue - originalMinValue;

% Get a double image in the range 0 to +255
desiredMin = 0;
desiredMax = 255;
desiredRange = desiredMax - desiredMin;
dblImageS255 = desiredRange * (double(grayImage) - originalMinValue) / originalRange + desiredMin;

figure;
imshow(uint8(dblImageS255));

% Get a double image in the range 0 to +1
 

desiredMin = 0;
desiredMax = 1;
desiredRange = desiredMax - desiredMin;
dblImageS1 = desiredRange * (double(grayImage) - originalMinValue) / originalRange + desiredMin;

figure;
imshow(dblImageS1);

% Another way to normalazation, which only calls MATLAB function
img3 = mat2gray(oriImage);
figure;
imshow(img3);
 

上述原始碼已在MATLAB 2014和MATLAB 2016上通過測試。

原始圖片：

執行後的效果：

注意：如果在自己的圖片上希望看到直觀的效果，請模仿示例預先將測試圖片的對比度調低一些，讓影象中各個畫素點的灰度分佈範圍不足 0-255。