自己写代码实现AHE(自适应直方图均衡化) 要求生成的图比现有的原图小一圈，在jupyterlab上实现，并用plt输出

好的，以下是Python实现AHE算法的代码，可以在jupyterlab上实现，生成的图比原图小一圈，并使用matplotlib库的pyplot模块输出：

import cv2
import numpy as np
import matplotlib.pyplot as plt

def ahe(img):
    h, w = img.shape[:2]
    padded_img = cv2.copyMakeBorder(img, 1, 1, 1, 1, cv2.BORDER_REFLECT)
    out_img = np.zeros((h, w), dtype=np.uint8)

    for i in range(1, h+1):
        for j in range(1, w+1):
            window = padded_img[i-1:i+2, j-1:j+2]
            hist, _ = np.histogram(window, bins=256, range=(0, 255))
            cdf = np.cumsum(hist)
            cdf_min = cdf[window[1,1]]
            out_img[i-1, j-1] = int((cdf[window[1,1]]-cdf_min) / ((3*3-1) - cdf_min) * 255)

    return out_img

img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)
out_img = ahe(img)

# 去除边框
h, w = img.shape[:2]
out_img = out_img[1:h+1, 1:w+1]

plt.figure(figsize=(10, 10))
plt.subplot(1,2,1)
plt.imshow(img, cmap='gray')
plt.title('Input Image')
plt.axis('off')
plt.subplot(1,2,2)
plt.imshow(out_img, cmap='gray')
plt.title('AHE Output')
plt.axis('off')
plt.show()

在这个实现中，我们使用`copyMakeBorder`函数在原始图像周围添加了一圈边框，然后在处理像素时只处理内部的像素。最终输出的图像大小比原始图像小一圈。输出使用subplot函数生成一个包含两个子图的图像，分别显示原始图像和AHE处理后的图像。