利用直方图均衡化编写程序实现图像增强

利用直方图均衡化是一种常见的图像增强方法，它通过对像素值的概率分布进行重新分配，使得整个图像的亮度分布更均匀，从而使暗部细节更容易看清楚。以下是使用Python的OpenCV库实现图像直方图均衡化的简单步骤：

首先，你需要安装OpenCV库，如果还没有安装，可以使用pip命令安装：

pip install opencv-python

然后，你可以参考以下Python代码实现直方图均衡化：

import cv2
import numpy as np

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

    # 3. 归一化直方图
    cdf = hist.cumsum()
    cdf_normalized = cdf * hist.max() / cdf.max()

    # 4. 使用累积分布函数映射像素值
    eq_hist = np.interp(img.flatten(), bins[:-1], cdf_normalized).astype(np.uint8)

    # 5. 构建新图像
    equalized_img = eq_hist.reshape(img.shape)

    return equalized_img

# 使用函数
input_image = 'input_image.jpg'  # 替换为你的输入图像文件名
enhanced_image = histogram_equalization(input_image)
cv2.imwrite('output_equaled.jpg', enhanced_image)  # 输出均衡化后的图像到新的文件

这段代码首先读取灰度图像，计算直方图，然后归一化直方图并使用累积分布函数映射像素值。最后，将结果存储回一个新的图像文件中。