编写matlab/P党thon/C/C++程序，计算lena图像的灰度直方图并显示：用直方图均衡法增强该图像（不允许直接使用库函数或第三方的直方图计算的函数，可以调用直方图均衡法的函数）

首先，让我们分步骤讲解如何在MATLAB、Python、C++和C语言中分别计算和增强 Lena 图像的灰度直方图：

**MATLAB:**

% 加载 Lena 图像
img = imread('Lena.png');
gray_img = rgb2gray(img);

% 计算直方图
histogram_data = imhist(gray_img, 256); % 灰度范围从0到255，共256个bin

% 显示原始直方图
figure;
bar(histogram_data);
xlabel('灰度值');
ylabel('频数');

% 直方图均衡化
enhanced_img = histeq(gray_img, histogram_data);

% 显示增强后的图像
imshow(enhanced_img);

**Python (OpenCV):**

import cv2
import matplotlib.pyplot as plt

# 加载 Lena 图像
img = cv2.imread('Lena.jpg', cv2.IMREAD_GRAYSCALE)

# 计算直方图
hist, bins = np.histogram(img.flatten(), 256, [0, 256])

# 显示直方图
plt.figure()
plt.bar(bins[:-1], hist)
plt.xlabel('灰度值')
plt.ylabel('频数')

# 直方图均衡化
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
enhanced_img = clahe.apply(img)

# 显示增强后的图像
cv2.imshow('Enhanced Image', enhanced_img)
cv2.waitKey(0)

**C++ (OpenCV):**

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    // 加载 Lena 图像
    Mat img = imread("Lena.jpg", IMREAD_GRAYSCALE);

    // 分配直方图
    int histogram[256] = {0};

    // 计算直方图
    for(int i = 0; i < img.rows * img.cols; ++i) {
        histogram[img.at<uchar>(i)]++;
    }

    // 显示直方图（这里需要自定义绘制）
    // ...

    // 创建 CLAHE 对象进行直方图均衡化
    Ptr<CLAHE> clahe = createCLAHE();
    Mat enhanced_img;
    clahe->apply(img, enhanced_img);

    // 显示增强后的图像
    imshow("Enhanced Image", enhanced_img);
    waitKey();

    return 0;
}

**C (OpenCV):**

#include <stdio.h>
#include <opencv2/opencv.h>

// 自定义直方图绘制函数
void drawHistogram(unsigned char* hist, int bins) {
    // ...
}

int main(int argc, const char **argv) {
    IplImage* img = cvLoadImage("Lena.jpg", CV_LOAD_IMAGE_GRAYSCALE);

    int histogram[256] = {0};
    cvCalcHist(&img, 1, NULL, &hist, 1, &bins, sizeof(histogram));

    // 显示直方图
    drawHistogram(histogram, bins);

    // 创建 CLAHE 对象进行直方图均衡化
    CvCLAHE* clahe = cvCreateCLAHE(2.0f, cvSize(8, 8));
    IplImage* enhanced_img = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, 1);
    cvEqualizeHist(img, enhanced_img, clahe);

    // 显示增强后的图像
    cvNamedWindow("Enhanced Image", WINDOW_NORMAL);
    cvShowImage("Enhanced Image", enhanced_img);
    cvWaitKey();

    cvReleaseImage(&img);
    cvReleaseImage(&enhanced_img);
    cvDestroyWindow("Enhanced Image");
    cvReleaseCLAHE(&clahe);

    return 0;
}

在这个例子中，我展示了如何手动计算直方图，以及创建CLAMatch结构来应用直方图均衡化。你需要自己编写直方图绘制的函数，在每个平台上完成这个任务。