实验内容：直方图均衡化、直方图规定化 1、将“原图.bmp”转换成灰度图像，并进行直方图均衡化 2、采用直方图规定化算法，对“原图.bmp”RGB三个通道的直方图分别改成与“参考图像.bmp”一致。 要求： 1、自行c++代码实现，不使用opencv提供的直方图均衡化、规定化函数

实验内容涉及图像处理中的两个基本操作：直方图均衡化和直方图规定化。

**1. 直方图均衡化**：
直方图均衡化是一种增强图像对比度的技术，通过改变像素值的概率分布，使得整个图像的亮度范围更均匀。首先，你需要读取灰度图像"原图.bmp"，然后计算每个灰度级的像素频率，接着构建一个新的灰度级映射表，使得低灰度区域对应新空间的高概率，高灰度区域对应低概率，从而达到均衡的效果。以下是简单的步骤：

// 代码示例
#include <iostream>
#include <fstream>

int main() {
    // 读取灰度图像
    // ... (代码略)
    
    // 计算直方图
    int histogram[256] = {0}; // 假设8位灰度图像
    for (int y = 0; y < height; ++y) {
        for (int x = 0; x < width; ++x) {
            histogram[gray_values[y * width + x]]++;
        }
    }

    // 均衡化处理
    // ... (填充直方图并生成新的灰度值映射)

    // 应用新的灰度映射到图像
    // ... (代码略)

    return 0;
}

**2. 直方图规定化**：
直方图规定化则需要针对RGB三个通道分别处理，先分别计算每个通道的直方图，然后找到参考图像"参考图像.bmp"的相应直方图，将当前图像的直方图调整至与参考图像相同。这通常涉及到寻找累积分布函数（CDF）的交叉点，将当前图像像素映射到这个交叉点上。这里假设你已经有了找到交叉点的算法：

// 对RGB通道分别处理
for (int i = 0; i < 3; ++i) {
    // ... (计算当前通道的直方图，找出交叉点，创建映射)

    // 应用规定化的映射到通道像素
    // ... (代码略)
}

return 0;

注意，这只是一个大致的框架，实际代码中还需要处理文件I/O、图像数据的读写以及边界条件等细节。同时，上述代码并未提供完整的库函数支持，对于文件读写和图像处理，你可能需要用到如`std::ifstream`和一些图像处理库（如FreeImage、Magick++等）。