直方图均衡化代码实现python

直方图均衡化是一种图像增强技术，它通过改变像素值的概率分布来改善图像对比度，使得原本灰暗的部分变得更亮，明亮的部分变得更暗。在Python中，我们可以使用OpenCV库来实现直方图均衡化。以下是基本的代码示例：

import cv2
import numpy as np

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

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

    # 使用线性插值计算新的像素值
    equalized_image = np.interp(image.flatten(), bins[:-1], cdf_normalized).reshape(image.shape)

    return equalized_image

# 示例
input_image = 'your_image_path.jpg'
equalized_img = histogram_equalization(input_image)
cv2.imshow('Original Image', input_image)
cv2.imshow('Equalized Image', equalized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码中，首先读取图像并转换为灰度图像，然后计算直方图并生成累积分布函数。接着，使用插值将原图像的像素值映射到新范围，得到直方图均衡化的结果。