编写Python实现直方图均衡化和大津阈值法，展示图片变化。

在Python中，我们可以使用OpenCV库来实现直方图均衡化和大津阈值法对图像处理。以下是两个步骤的简单示例：

首先，导入所需的库：

import cv2
import numpy as np

1. **直方图均衡化**：
这会调整图像的亮度分布，使得图像整体更均匀。假设`image`是你要处理的灰度图像：

def histogram_equalization(image):
    eq_image = cv2.equalizeHist(image)
    return eq_image

# 读取图像
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)
eq_img = histogram_equalization(img)
cv2.imshow("Original", img)
cv2.imshow("Equalized", eq_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. **大津阈值法**（Otsu's Thresholding）：
这是一种基于统计的方法，自动确定最佳二值分割阈值，用于将图像分为前景和背景。假设`image`仍然是灰度图像：

def otsu_thresholding(image):
    _, thresholded = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    return thresholded

thresholded_img = otsu_thresholding(eq_img)
cv2.imshow("Otsu's Thresholded", thresholded_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这两个函数会分别显示原始图像、直方图均衡化后的图像以及经过大津阈值法处理后的图像。