opencv直方图规定化python

OpenCV直方图规定化是一种将一张图像的直方图匹配到另一张图像的直方图方法。这种方法可以用于图像增强、图像匹配等领域。在Python中，可以使用cv2.normalize()函数来实现直方图规定化。具体步骤如下：
1. 读取原始图像和目标图像。
2. 计算原始图像和目标图像的直方图。
3. 计算原始图像和目标图像的累积分布函数(CDF)。
4. 将原始图像的CDF映射到目标图像的CDF上，得到映射函数。
5. 使用映射函数将原始图像的像素值映射到目标图像的像素值上，得到规定化后的图像。

下面是一个简单的Python代码示例，演示了如何使用OpenCV进行直方图规定化：

import cv2
import numpy as np

# 读取原始图像和目标图像
src_img = cv2.imread('src_img.jpg', 0)
dst_img = cv2.imread('dst_img.jpg', 0)

# 计算原始图像和目标图像的直方图
src_hist = cv2.calcHist([src_img], [0], None, [256], [0, 256])
dst_hist = cv2.calcHist([dst_img], [0], None, [256], [0, 256])

# 计算原始图像和目标图像的累积分布函数(CDF)
src_cdf = np.cumsum(src_hist)
src_cdf_normalized = src_cdf * float(src_hist.max()) / src_cdf.max()

dst_cdf = np.cumsum(dst_hist)
dst_cdf_normalized = dst_cdf * float(dst_hist.max()) / dst_cdf.max()

# 将原始图像的CDF映射到目标图像的CDF上，得到映射函数
lut = np.interp(src_cdf_normalized, dst_cdf_normalized, range(256))

# 使用映射函数将原始图像的像素值映射到目标图像的像素值上，得到规定化后的图像
dst_img_normalized = cv2.LUT(src_img, lut)

# 显示原始图像、目标图像和规定化后的图像
cv2.imshow('src_img', src_img)
cv2.imshow('dst_img', dst_img)
cv2.imshow('dst_img_normalized', dst_img_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()