不用opencv，能帮我实现这两道题的代码吗

当然可以。虽然OpenCV是一个常用的图像处理库，但在不使用它的前提下，我们可以利用Python的基本库如Numpy、Pandas以及matplotlib来实现这些功能。以下是简化的说明：

(1) **n-dimensional joint histogram**:

import numpy as np
import matplotlib.pyplot as plt

# 假设你有两个二维数组data_1和data_2
hist, _, _ = np.histogramdd([data_1, data_2], bins=range(-5, 6))

# 绘制n维直方图
plt.imshow(hist)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('Joint Histogram')
plt.colorbar()
plt.show()

这里我们直接使用`numpy.histogramdd`函数生成直方图，然后使用matplotlib展示。

(2) **Local histograms without OpenCV**:

import numpy as np
from scipy.signal import convolve2d

def compute_local_histogram(image, kernel_size):
    window = np.ones(kernel_size, dtype=np.float32)
    # 使用卷积操作获取局部直方图
    return convolve2d(image, window, mode='same', boundary='symm')

# 假设image是你的图像数组
local_hist = compute_local_histogram(image, (5, 5))
# 可视化局部直方图
plt.imshow(local_hist, cmap='gray')
plt.title('Local Histograms')
plt.show()

这里使用了scipy库的`convolve2d`函数，通过滑动窗口的方式计算每个像素点周围指定大小区域的像素值分布。

请注意，这些例子假设你已经有了相应的二维数据和图像数据。如果你需要更具体的帮助，例如如何读取文件或处理数据，请提供更多的上下文。