python 灰度图 直方图均衡

Python中的灰度图直方图均衡化是一种用于增强图像对比度的方法。它通过重新分布图像的灰度级来扩展灰度范围，使得图像中的亮度更加均匀。下面是实现灰度图直方图均衡化的步骤：

1. 将彩色图像转换为灰度图像：如果原始图像是彩色图像，需要将其转换为灰度图像。可以使用OpenCV库中的cv2.cvtColor()函数来实现。

2. 计算灰度直方图：使用NumPy库中的np.histogram()函数计算灰度图像的直方图。直方图是一个表示不同灰度级出现频率的数组。

3. 计算累积分布函数（CDF）：将直方图进行累加，得到累积分布函数。可以使用NumPy库中的np.cumsum()函数来实现。

4. 根据CDF进行像素映射：将每个像素的灰度级映射到新的灰度级上。根据CDF和原始灰度级计算新的灰度级。可以使用NumPy库中的np.interp()函数来实现。

5. 生成均衡化后的图像：将映射后的灰度级应用于原始图像，生成均衡化后的图像。

下面是一个示例代码，演示如何在Python中实现灰度图直方图均衡化：

import cv2
import numpy as np

# 读取图像并转换为灰度图像
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 计算灰度直方图
hist, bins = np.histogram(gray.flatten(), 256, [0, 256])

# 计算累积分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()

# 根据CDF进行像素映射
new_gray = np.interp(gray.flatten(), bins[:-1], cdf_normalized)

# 生成均衡化后的图像
new_gray = new_gray.reshape(gray.shape).astype(np.uint8)

# 显示原始图像和均衡化后的图像
cv2.imshow('Original Image', gray)
cv2.imshow('Equalized Image', new_gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

这样，你就可以使用上述代码实现灰度图直方图均衡化了。