图像概论实验 编写Python实现直方图均衡化和大津阈值法

图像概论实验通常涉及到对数字图像的基本处理技术，如直方图均衡化和大津（Otsu's）阈值法，这些都是为了增强图像对比度、提高视觉效果或者用于二值化的预处理步骤。

**直方图均衡化**：
这是一种常用的技术，通过改变像素值的分布，使得图像的整体亮度范围得到扩大，尤其适用于对比度较低的图像。在Python中，可以使用`skimage`库中的`exposure.equalize_hist()`函数来实现：

from skimage import exposure
import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', 0)  # 0表示灰度图像

# 直方图均衡化
equalized_img = exposure.equalize_hist(img)

# 显示原图和均衡化后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Histogram Equalized Image', equalized_img)
cv2.waitKey(0)  # 等待用户按键

**大津阈值法**：
大津阈值法是一种基于全局阈值选择的方法，它试图找到能够最大化类别间均方差的阈值，用于二值化图像。在`skimage`库中，可以使用`threshold_otsu()`函数实现：

# 使用大津算法计算阈值
thresh, otsu_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 显示原图和二值化后的图像
cv2.imshow('Original Image (Grayscale)', img)
cv2.imshow('Otsu Thresholding Result', otsu_img)
cv2.waitKey(0)