直方图均衡化实验：读取图片，将彩色图转化为灰度图，显示灰度图的灰度直方图，改变原图像的灰度特征，在灰度上进行加减法处理，分别加上和减去一个固定的数值，观察灰度直方图的变化。得出什么结论

直方图均衡化实验通常涉及以下几个步骤[^1]:
1. **读取图片并转换为灰度**:

   from skimage.io import imread
   gray_image = rgb_image.rgb2gray()

2. **显示灰度直方图**:

   from skimage.exposure import histogram
   hist, bins = histogram(gray_image)
   plt.plot(bins[:-1], hist, r'-o')

3. **原图像直方图均衡化**:

   from skimage.exposure import equalize_hist
   eq_gray_image = equalize_hist(gray_image)

4. **对比新旧直方图**:

   new_hist, _ = histogram(eq_gray_image)
   plt.figure(), plt.plot(bins[:-1], new_hist, r'-o')

5. **灰度特征变化**:
- 加上固定数值:

     modified_image = eq_gray_image + constant_value

- 减去固定数值:

     modified_image = eq_gray_image - constant_value

对比修改后的直方图。

通过这个过程，你可以观察到以下结论[^2]:
- 原始灰度图像的直方图可能呈现偏态（某些灰度级别较集中，而其他较少），这可能导致某些区域在视觉上显得较暗或亮。
- 直方图均衡化后，图像的灰度分布更均匀，各灰度级别的像素数量接近，增强了细节和整体对比度。
- 当添加或减去固定数值时，直方图会相应地发生平移，但均衡化的效果仍然明显，表明灰度级之间的相对关系得到了保持。