直方图均衡化适合用在什么样的场景，请用实例说明 编程实现，找几个典型图片，然后用OpenCV看均衡化效果

直方图均衡化是一种常用的图像增强技术，适用于那些图像对比度低、细节不明显或者暗部过暗、亮部过亮的场景。它通过改变像素值的概率分布，使得图像的整体亮度范围更均匀，有助于改善视觉效果，特别是对于灰度图像。

例如，在医学影像处理中，扫描的X光片可能因为设备限制或曝光不足导致图像对比度较低，直方图均衡化可以提高病灶的可见度；在卫星图像分析中，原始图像可能因为光照条件变化大而难以识别特定特征，均衡化能够增强区分度。

下面是一个简单的Python示例，使用OpenCV库来对一张图片进行直方图均衡化：

import cv2
import numpy as np

# 加载图片
img = cv2.imread('example_image.png', cv2.IMREAD_GRAYSCALE)

# 计算原图的直方图
hist, _ = np.histogram(img.flatten(), 256, [0, 256])

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

# 使用线性插值将CDF转换回像素值
equalized_img = np.interp(img.flatten(), range(256), cdf_normalized).reshape(img.shape)

# 显示原图和均衡化的图片
cv2.imshow('Original Image', img)
cv2.imshow('Histogram Equalized Image', equalized_img)
cv2.waitKey(0)  # 等待用户按键
cv2.destroyAllWindows()

在这个例子中，你可以替换`'example_image.png'`为你想要处理的图片路径。运行后，会打开两个窗口，左边显示原图，右边显示经过直方图均衡化后的图像，可以看到对比度的变化。