编程实现图像的全局线性变换及gamma变换，并进行展示对比，要求不使用OpenCV库。图像名为"NL.png"

如果你不想使用OpenCV库来实现图像的全局线性变换和gamma变换，可以使用纯Python或者其他图像处理库，比如PIL（Python Imaging Library）。由于OpenCV不是标准库，下面的示例将使用PIL作为例子，不过请注意，这可能会失去一些OpenCV提供的高级图像处理功能。

首先，让我们创建一个简单的全局线性变换函数（这里仅演示缩放）：

from PIL import Image

def apply_linear_transform(image_path, scale_percent=(100, 100)):
    with Image.open(image_path) as im:
        width, height = im.size
        new_width = int(width * scale_percent[0] / 100)
        new_height = int(height * scale_percent[1] / 100)
        resized_im = im.resize((new_width, new_height))
    return resized_im

linear_transformed_image = apply_linear_transform('NL.png')
linear_transformed_image.show()

接着，我们将使用matplotlib库来模拟gamma变换，因为Python内建的`np.power`函数可以实现非线性映射：

import matplotlib.pyplot as plt
import numpy as np

def gamma_correction(image, gamma=1.0):
    linear_scaled = image.convert('L')  # 将RGB转换为灰度
    linear_scaled_array = np.array(linear_scaled)
    corrected_array = np.power(linear_scaled_array / 255, 1/gamma) * 255
    return Image.fromarray(corrected_array.astype(np.uint8))

gamma_corrected_image = gamma_correction(linear_transformed_image)
gamma_corrected_image.show()

这两个函数分别生成了缩放和平滑伽马变换的效果。为了展示原始图片、调整后的图片和它们各自的变化，你可以手动记录每个步骤的结果，或者用其他可视化工具。

请注意，上述代码没有直接提供直方图显示，如果需要这部分功能，你可能需要引入额外的库，如matplotlib的hist模块或seaborn等。