使用C语言将灰度图像自适应直方图均衡化的方法来提升对比度，要求不使用opencv库

灰度图像的自适应直方图均衡化可以通过以下步骤实现：

1. 读取灰度图像并将其存储为一维数组；
2. 定义一个滑动窗口，以每个像素点为中心，计算该窗口内像素的直方图；
3. 计算该窗口内像素的累积分布函数，并将其映射到0到255的范围内；
4. 将窗口中心像素点的像素值替换为其映射后的值，然后将滑动窗口移动到下一个像素点；
5. 将处理后的像素值存储为一维数组，并将其转换为图像格式并保存。

下面是一个示例代码，用于实现灰度图像的自适应直方图均衡化：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define IMAGE_WIDTH  512
#define IMAGE_HEIGHT 512
#define WINDOW_SIZE  15
#define HISTOGRAM_SIZE 256

// 读取灰度图像
void read_image(const char *filename, unsigned char *image) {
    FILE *fp;
    if ((fp = fopen(filename, "rb")) == NULL) {
        printf("Error: image cannot be opened!\n");
        exit(1);
    }
    fread(image, sizeof(unsigned char), IMAGE_WIDTH * IMAGE_HEIGHT, fp);
    fclose(fp);
}

// 写入灰度图像
void write_image(const char *filename, unsigned char *image) {
    FILE *fp;
    if ((fp = fopen(filename, "wb")) == NULL) {
        printf("Error: cannot write image!\n");
        exit(1);
    }
    fwrite(image, sizeof(unsigned char), IMAGE_WIDTH * IMAGE_HEIGHT, fp);
    fclose(fp);
}

// 计算像素值的直方图
void calculate_histogram(unsigned char *image, int *histogram, int x, int y) {
    int i, j;
    for (i = 0; i < HISTOGRAM_SIZE; i++) {
        histogram[i] = 0;
    }
    for (i = x - WINDOW_SIZE / 2; i <= x + WINDOW_SIZE / 2; i++) {
        for (j = y - WINDOW_SIZE / 2; j <= y + WINDOW_SIZE / 2; j++) {
            if (i >= 0 && i < IMAGE_HEIGHT && j >= 0 && j < IMAGE_WIDTH) {
                histogram[image[i * IMAGE_WIDTH + j]]++;
            }
        }
    }
}

// 计算直方图的累积分布函数
void calculate_cdf(int *histogram, float *cdf) {
    int i, sum = 0;
    for (i = 0; i < HISTOGRAM_SIZE; i++) {
        sum += histogram[i];
        cdf[i] = (float)sum / (WINDOW_SIZE * WINDOW_SIZE);
    }
}

// 映射像素值到0到255的范围内
unsigned char map_pixel_value(unsigned char pixel, float *cdf) {
    return (unsigned char)(cdf[pixel] * 255.0);
}

// 自适应直方图均衡化
void adaptive_histogram_equalization(unsigned char *image, unsigned char *result) {
    int x, y, i;
    int histogram[HISTOGRAM_SIZE];
    float cdf[HISTOGRAM_SIZE];
    for (x = 0; x < IMAGE_HEIGHT; x++) {
        for (y = 0; y < IMAGE_WIDTH; y++) {
            calculate_histogram(image, histogram, x, y);
            calculate_cdf(histogram, cdf);
            result[x * IMAGE_WIDTH + y] = map_pixel_value(image[x * IMAGE_WIDTH + y], cdf);
        }
    }
}

int main() {
    unsigned char image[IMAGE_WIDTH * IMAGE_HEIGHT];
    unsigned char result[IMAGE_WIDTH * IMAGE_HEIGHT];
    read_image("input.raw", image);
    adaptive_histogram_equalization(image, result);
    write_image("output.raw", result);
    return 0;
}

注意：在实际应用中，自适应直方图均衡化的窗口大小应该根据实际情况进行调整，以达到最佳的效果。