对图片进行直方图均衡化处理opencv

在OpenCV中，直方图均衡化是一种常用的技术，用于增强图像的对比度，使得暗部细节和亮部细节更加明显。直方图均衡化通过统计图像像素值的分布，然后对像素的灰度级进行映射，使得新的像素分布更均匀，接近全局亮度最大值。

以下是使用OpenCV进行图像直方图均衡化的Python代码示例：

import cv2
import numpy as np

def histogram_equalization(image_path):
    # 读取图像
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    
    # 计算直方图
    hist, bins = np.histogram(img.flatten(), 256, [0, 256])

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

    # 使用累积分布函数进行像素映射
    eq_img = np.interp(img.flatten(), bins[:-1], cdf_normalized).reshape(img.shape)

    return eq_img

# 示例
equipped_image = histogram_equalization('input_image.jpg')
cv2.imshow("Original Image", img)
cv2.imshow("Equalized Image", equipped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`histogram_equalization`函数首先读取图像转为灰度，计算直方图，接着创建累积分布函数并对其进行归一化，最后根据累积分布函数将原始像素值映射到新的区间，生成均衡化后的图像。