编写程序利用直方图均衡化方法对图像增强，要求不用opencv函数实现

直方图均衡化是一种常用的图像增强技术，通过调整像素值分布来提高图像对比度，使得灰度图像更均匀地分布在0到255的范围内。如果你想要不使用OpenCV库直接编写程序实现直方图均衡化，可以按照以下步骤：

1. **读取图像**:
首先，你需要从文件或内存中读取图像数据。这通常涉及到将图像转换为一维数组或矩阵。

def read_image(file_path):
    with open(file_path, 'rb') as f:
        image_data = f.read()
    # 将二进制数据转化为灰度图像
    width, height = ... # 获取图像尺寸
    pixels = [image_data[i * width : (i+1) * width] for i in range(height)]
    return pixels

2. **计算原图像的直方图**:
对每个像素灰度值统计其频率，形成原始的直方图。

def histogram(pixels):
    hist = [0] * 256
    for row in pixels:
        for pixel in row:
            hist[pixel] += 1
    return hist

3. **构建累积分布函数（CDF）**:
根据直方图计算每个灰度值对应的累积概率。

def cumulative_distribution(hist):
    cdf = [0]
    for count in hist:
        cdf.append(cdf[-1] + count / sum(hist))
    return cdf

4. **应用累积分布函数**:
使用CDF将原图像中的每个像素映射到新的灰度值范围。

def apply_cdf(image_pixels, cdf):
    processed_pixels = []
    for row in image_pixels:
        new_row = [int((cdf[pixel_value] * 255).round()) for pixel_value in row]
        processed_pixels.append(new_row)
    return processed_pixels

5. **显示或保存处理后的图像**:
最后，你可以把处理后的像素数据转换回图像格式并展示或保存。

def display_or_save_image(processed_pixels, file_path):
    new_image = ... # 将像素数据重构为适合显示或保存的格式
    save_image(new_image, file_path)

请注意，上述代码简化了实现过程，实际操作可能会涉及更多的边缘情况处理和性能优化。此外，由于篇幅限制，这里没有提供完整的错误处理和细节实现。你可以在网上找到更多关于图像处理的教程来完善这部分内容。