opencv 直方图均衡化

OpenCV中的直方图均衡化是一种用于增加图像对比度的方法，它通过调整图像中像素灰度级的分布来实现。简单来说，直方图均衡化将图像中的灰度级从较暗的区域分布到较亮的区域，从而使图像看起来更加清晰和对比度更高。

具体实现方法如下：

1. 将图像转换为灰度图像。

2. 计算图像的直方图，即统计每个灰度级的像素数量。

3. 计算灰度级的累计分布函数（CDF），即每个灰度级像素数量的累计和。

4. 计算新的灰度级值，即将CDF映射到0-255的范围内。

5. 将新的灰度级值应用到图像中的每个像素，生成均衡化后的图像。

下面是示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算直方图
hist, bins = cv2.calcHist([gray_img], [0], None, [256], [0, 256])

# 计算累计分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * float(hist.max()) / cdf.max()

# 计算新的灰度级值
new_gray_levels = cdf_normalized.astype('uint8')

# 将新的灰度级值应用到图像中的每个像素
equalized_img = cv2.LUT(gray_img, new_gray_levels)

# 显示原始图像和均衡化后的图像
cv2.imshow('Original', gray_img)
cv2.imshow('Equalized', equalized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先读取图像并将其转换为灰度图像。然后，使用`cv2.calcHist`函数计算灰度级的直方图。接下来，我们计算灰度级的累计分布函数，并将其映射到0-255的范围内，以计算新的灰度级值。最后，我们使用`cv2.LUT`函数将新的灰度级值应用到图像中的每个像素，生成均衡化后的图像。最后，我们显示原始图像和均衡化后的图像。