multi-peak GHE直方图均衡化的代码实现.

对于 multi-peak GHE 直方图均衡化，其实现方式与传统的直方图均衡化类似，只是在计算累计分布函数时需要对直方图进行一些处理。

下面是 Python 代码实现：

import cv2
import numpy as np

def multi_peak_ghe(image, num_bins=256):
    # 计算直方图
    hist, bins = np.histogram(image.flatten(), num_bins, [0, 256])
    
    # 找到直方图峰值
    peaks, _ = cv2.findPeaks(hist, distance=num_bins//4, height=0.05*image.size)
    
    # 分割直方图
    segment_size = num_bins // (len(peaks) + 1)
    segments = []
    for i in range(len(peaks) + 1):
        start = i * segment_size
        end = (i+1) * segment_size
        if i == 0:
            start = 0
        elif i == len(peaks):
            end = num_bins
        segments.append((start, end))
    
    # 均衡化每个分段的直方图
    hist_eq = np.zeros(num_bins, dtype=np.float32)
    for segment in segments:
        hist_seg = hist[segment[0]:segment[1]]
        hist_seg = cv2.equalizeHist(hist_seg.astype(np.uint8))
        hist_eq[segment[0]:segment[1]] = hist_seg
    
    # 计算累计分布函数
    cdf = hist_eq.cumsum()
    cdf = (cdf - cdf.min()) * 255 / (cdf.max() - cdf.min())
    cdf = cdf.astype(np.uint8)
    
    # 均衡化图像
    img_eq = np.interp(image.flatten(), bins[:-1], cdf)
    img_eq = img_eq.reshape(image.shape)
    
    return img_eq.astype(np.uint8)

代码中使用了 OpenCV 中的 `cv2.findPeaks` 函数来找到直方图的峰值，该函数需要指定两个参数：`distance` 和 `height`。其中，`distance` 表示两个峰值之间的最小距离（以直方图的 bin 为单位），默认为直方图的四分之一；`height` 表示峰值的最小高度，为像素总数的 5%。这两个参数的设置可以根据具体情况进行调整。

在均衡化每个分段的直方图时，使用了 OpenCV 中的 `cv2.equalizeHist` 函数。该函数会对输入的直方图进行均衡化，并返回均衡化后的直方图。需要注意的是，该函数的输入必须是一个 numpy 数组，且数据类型为 uint8。

最后，使用 numpy 中的 `np.interp` 函数将原始图像中每个像素的灰度值映射到新的灰度级上，得到均衡化后的图像。

使用该函数可以对任意大小的图像进行 multi-peak GHE 直方图均衡化：

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
img_eq = multi_peak_ghe(img)
cv2.imshow('Original', img)
cv2.imshow('Equalized', img_eq)
cv2.waitKey(0)
cv2.destroyAllWindows()