直方图规定化Python代码

直方图规定化是一种用于图像处理的技术，它可以将一张图像的直方图匹配到另一张图像上，从而使它们具有相似的直方图分布。下面是一个简单的直方图规定化的Python代码示例：

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

# 读取原始图像和目标图像
source_img = cv2.imread('source.jpg', 0)
target_img = cv2.imread('target.jpg', 0)

# 计算原始图像和目标图像的直方图
source_hist = cv2.calcHist([source_img], [0], None, [256], [0, 256])
target_hist = cv2.calcHist([target_img], [0], None, [256], [0, 256])

# 计算原始图像和目标图像的累积直方图
source_cdf = source_hist.cumsum()
target_cdf = target_hist.cumsum()

# 归一化累积直方图
source_cdf_normalized = source_cdf / source_cdf.max()
target_cdf_normalized = target_cdf / target_cdf.max()

# 创建一个空白的输出图像
output_img = np.zeros_like(source_img)

# 对每个像素进行直方图规定化
for i in range(256):
    # 找到最接近的灰度级别
    j = np.argmin(np.abs(source_cdf_normalized[i] - target_cdf_normalized))
    # 将原始图像中的像素值映射到目标图像中的灰度级别
    output_img[source_img == i] = j

# 显示原始图像、目标图像和输出图像
plt.subplot(131), plt.imshow(source_img, cmap='gray'), plt.title('Source Image')
plt.subplot(132), plt.imshow(target_img, cmap='gray'), plt.title('Target Image')
plt.subplot(133), plt.imshow(output_img, cmap='gray'), plt.title('Output Image')
plt.show()

这段代码使用OpenCV库和Matplotlib库实现了直方图规定化。首先，它读取了原始图像和目标图像，并计算了它们的直方图和累积直方图。然后，通过比较原始图像和目标图像的累积直方图，找到最接近的灰度级别，并将原始图像中的像素值映射到目标图像中的灰度级别。最后，显示了原始图像、目标图像和输出图像。