python代码实现下题：读取所提供的图像（一幅彩色图像、一幅灰度图像），显示其直方图，对其进行基本的灰度变换，包括逆变换、分段线性变换、对数变换、幂律变换，显示其结果

在Python中，我们可以使用`PIL`（Pillow库）来处理图像，`matplotlib`来绘制直方图，以及一些数学库来进行灰度变换。以下是一个简单的例子：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np

# 读取图像
img = Image.open('your_image.jpg')  # 替换为你的图片路径
# 如果需要处理灰度图像
if img.mode != 'L':
    img = img.convert('L')

# 显示原始图像
plt.imshow(img, cmap='gray')
plt.show()

# 直方图
hist, bins = np.histogram(img.flatten(), bins=256, range=(0, 256))
plt.plot(bins[:-1], hist, r'-')
plt.xlabel('灰度值')
plt.ylabel('频率')
plt.title('原图像直方图')
plt.show()

### 灰度变换部分
# 1. 逆变换（直接返回原图，因为灰度图像本身就是灰度）
inv_transform = lambda x: x

# 2. 分段线性变换 (例如，将图像分为三个区间并分别进行缩放)
def linear_segmentation(x):
    low, mid, high = 0, 128, 255
    return np.piecewise(x, [x < low, x <= mid, x > high], [lambda x: x*0, lambda x: x*2, lambda x: x])

# 3. 对数变换
def log_transform(x):
    return np.log(x + 1)  # 防止log(0)

# 4. 幂律变换 (例如，y = x^gamma)
def power_law_transform(x, gamma=1.5):
    return x**gamma

# 应用变换并展示
transformed_img_inv = inv_transform(img)
transformed_img_linear = linear_segmentation(img)
transformed_img_log = log_transform(img)
transformed_img_power_law = power_law_transform(img)

plt.figure(figsize=(15, 5))

plt.subplot(1, 4, 1), plt.imshow(transformed_img_inv, cmap='gray')
plt.subplot(1, 4, 2), plt.imshow(transformed_img_linear, cmap='gray')
plt.subplot(1, 4, 3), plt.imshow(transformed_img_log, cmap='gray')
plt.subplot(1, 4, 4), plt.imshow(transformed_img_power_law, cmap='gray')

for i in range(4):
    plt.suptitle(f"变换后的图像 (第{i+1}种)", fontsize=14)
    plt.axis('off')
plt.show()

# 结合每个变换的直方图，如果需要的话