opencv-python尝试特殊形状的掩膜操作，比如：编写代码对附件图像2（dog.png）中的动物使用圆形掩膜，对掩膜区域进行自适应直方图均衡化处理，并绘制出操作前后的直方图

在OpenCV-Python中，你可以使用`cv2.circle()`函数来创建一个圆形掩模，然后利用`cv2.bitwise_and()`来进行掩码操作。以下是一个简单的步骤来实现这个功能：

首先，导入必要的库并加载图片：

import cv2
import numpy as np

# 加载动物图像
img = cv2.imread('dog.png', cv2.IMREAD_GRAYSCALE)

接下来，定义圆形掩膜的中心点和半径：

center = (img.shape[1] // 2, img.shape[0] // 2)  # 圆心，假设图像是对称的
radius = int(min(img.shape[:2]) * 0.4)  # 半径，通常取图像宽度或高度的一小部分

创建圆形掩膜：

mask = np.zeros_like(img)
cv2.circle(mask, center, radius, 255, -1)  # 255表示白色，-1表示内切圆

然后进行掩码操作，这里我们使用`cv2.adaptiveEqualizeHist()`进行自适应直方图均衡化：

masked_img = cv2.bitwise_and(img, img, mask=mask)
equ_hist_img = cv2.adaptiveEqualization(masked_img)

最后，绘制操作前后的直方图对比，可以使用`matplotlib`库：

import matplotlib.pyplot as plt

# 绘制原始直方图
plt.subplot(2, 1, 1), plt.hist(img.ravel(), bins=256, range=(0, 256))
plt.title('Original Histogram')

# 绘制处理后的直方图
plt.subplot(2, 1, 2), plt.hist(equ_hist_img.ravel(), bins=256, range=(0, 256))
plt.title('Histogram after Adaptive Equalization')

plt.show()

这段代码会显示两张直方图，上方的是原始图像的直方图，下方的是经过自适应直方图均衡化的直方图。