Python直方图均衡化

Python直方图均衡化是一种用于图像增强的技术，它可以通过调整图像的灰度级分布来增强图像的对比度和亮度。直方图均衡化的基本思想是将图像的灰度级分布变成均匀分布，从而使得图像的对比度增强。在Python中，可以使用OpenCV、NumPy和Matplotlib等库来实现直方图均衡化。具体实现步骤如下：
1. 读取图像并将其转换为灰度图像。
2. 统计图像中各个灰度级的像素个数，得到原始图像的灰度直方图。
3. 计算每个灰度级的累积分布函数，并将其映射到新的灰度级上。
4. 使用新的灰度级对原始图像进行重映射，得到直方图均衡化后的图像。

下面是一个简单的Python代码示例，用于实现直方图均衡化：

import cv2
import numpy as np

# 读取图像并将其转换为灰度图像
img = cv2.imread('img.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 统计图像中各个灰度级的像素个数，得到原始图像的灰度直方图
hist, bins = np.histogram(img_gray.ravel(), 256, [0, 256])

# 计算每个灰度级的累积分布函数，并将其映射到新的灰度级上
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()

# 使用新的灰度级对原始图像进行重映射，得到直方图均衡化后的图像
img_eq = np.interp(img_gray.ravel(), bins[:-1], cdf_normalized).reshape(img_gray.shape)

# 显示原始图像和直方图均衡化后的图像
cv2.imshow('Original Image', img_gray)
cv2.imshow('Equalized Image', img_eq)
cv2.waitKey(0)
cv2.destroyAllWindows()