灰度图直方图均衡化，不使用现成的函数均衡化，要重新写个直方图均衡化函数

灰度图像直方图均衡化是一种处理图像亮度的技术，它通过改变像素值的概率分布，使得图像的对比度增强，细节更易于识别。如果不需要使用现成的库函数，你可以手动创建一个直方图均衡化算法，基本步骤如下：

1. **计算直方图**：遍历整个灰度图像，统计每个灰度级（通常0到255）出现的次数，形成直方图。

2. **确定累积分布函数（CDF）**：将每个灰度级对应的频数累加起来，得到从0到当前灰度级的累计频率。

3. **查找表生成**：根据CDF，为原始灰度级分配新的灰度级。例如，原灰度级为i，CDF值为p，那么新灰度级通常是映射到(0, 255)范围内的某个位置，如int(new_gray = min(255, round(p * 255)))。

4. **像素值变换**：对于图像中的每个像素，将其灰度值应用查找表进行转换，得到均衡后的像素值。

5. **图像重建**：最后将处理过的像素值替换回原始图像对应的位置。

这是一个简化的流程，实际操作中可能需要考虑边界条件、连续性和性能优化等因素。下面是一个Python示例代码片段：

def histogram_equalization(image):
    hist, bins = np.histogram(image.flatten(), 256, [0, 256])
    cdf = hist.cumsum()
    cdf_normalized = cdf * hist.max() / cdf.max()
    new_image = np.interp(image.flatten(), bins[:-1], cdf_normalized).reshape(image.shape)
    return new_image