自己用python代码编写函数实现灰度直方图统计以及灰度直方图均衡化，并绘制灰度直方图及均衡化后的灰度直方图，显示初始图像及均衡化后的图像

好的，以下是Python代码实现：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 灰度直方图统计
def calcGrayHist(image):
    # 计算图像的灰度直方图
    rows, cols = image.shape
    grayHist = np.zeros([256], np.uint64)
    for r in range(rows):
        for c in range(cols):
            grayHist[image[r][c]] += 1
    return grayHist

# 灰度直方图均衡化
def equalizeHist(image):
    # 获取灰度直方图
    grayHist = calcGrayHist(image)

    # 计算累计灰度直方图
    zeroCumuMoment = np.zeros([256], np.uint64)
    for p in range(len(grayHist)):
        if p == 0:
            zeroCumuMoment[p] = grayHist[0]
        else:
            zeroCumuMoment[p] = zeroCumuMoment[p-1] + grayHist[p]

    # 计算映射表
    pixelNum = image.shape[0] * image.shape[1]
    zeroCumuMoment = np.round(zeroCumuMoment / pixelNum * 255)
    histEqImage = np.zeros(image.shape, np.uint8)
    for r in range(image.shape[0]):
        for c in range(image.shape[1]):
            histEqImage[r][c] = zeroCumuMoment[image[r][c]]

    return histEqImage

# 读取图像
image = cv2.imread('test.png', 0)

# 统计灰度直方图
grayHist = calcGrayHist(image)

# 绘制灰度直方图
plt.figure()
plt.bar(range(256), grayHist, width=1.0, edgecolor='none')
plt.title('Gray Histogram')
plt.xlabel('Gray Level')
plt.ylabel('Pixel Number')
plt.show()

# 灰度直方图均衡化
histEqImage = equalizeHist(image)

# 统计均衡化后的灰度直方图
histEq = calcGrayHist(histEqImage)

# 绘制均衡化后的灰度直方图
plt.figure()
plt.bar(range(256), histEq, width=1.0, edgecolor='none')
plt.title('Equalized Histogram')
plt.xlabel('Gray Level')
plt.ylabel('Pixel Number')
plt.show()

# 显示初始图像
cv2.imshow('Original Image', image)

# 显示均衡化后的图像
cv2.imshow('Histogram Equalization Image', histEqImage)

cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`calcGrayHist` 函数用于计算图像的灰度直方图，`equalizeHist` 函数用于实现灰度直方图均衡化。代码中还包括绘制灰度直方图和均衡化后的灰度直方图的函数，以及显示初始图像和均衡化后的图像的相关代码。