如果没有opencv的库呢

如果没有OpenCV库，你可以手动编写一些基本的数学运算和数组操作来进行图像直方图均衡化。下面是一个简化版的示例，假设我们有一个一维数组表示原始的灰度图像，我们可以按照以下步骤操作：

1. 创建一个一维数组来存储直方图统计。
2. 遍历图像数组，统计每个灰度值出现的次数，将结果存入直方图数组。
3. 计算累积分布函数（CDF），即每个灰度值出现的概率乘以总像素数。
4. 根据CDF，对于每个原始灰度值，计算一个新的灰度值，使得新的图像均匀分布所有可能的灰度级别。

以下是基础版本的C++代码：

#include <iostream>
#include <vector>

// 原始灰度图像数组
std::vector<unsigned char> original_image;

// 直方图数组
std::vector<int> histogram(8, 0);

// 计算直方图
void calculate_histogram(const std::vector<unsigned char>& img) {
    for (unsigned char value : img) {
        histogram[value]++;
    }
}

// 直方图均衡化
void histogram_equation(std::vector<unsigned char>& img) {
    int total_pixels = img.size();
    float cumulative_prob = 0;

    for (int i = 0; i < 8; ++i) {
        cumulative_prob += static_cast<float>(histogram[i]) / total_pixels;
        for (size_t j = 0; j < img.size(); ++j) {
            if (img[j] == i) {
                img[j] = static_cast<unsigned char>(cumulative_prob * 7);
            }
        }
    }
}

int main() {
    // 假设original_image已填充了8x8灰度图像的8个通道数据
    original_image = ...; // 填充实际的灰度图像数据

    calculate_histogram(original_image);
    histogram_equation(original_image);

    for (unsigned char value : original_image) {
        std::cout << "灰度值: " << value << ", 映射后的灰度值: " << value << std::endl;
    }

    return 0;
}