用python将100张无雾图像的Dark channel进行统计，形成像素直方图和每个暗通道的平均强度直方图形成代码

好的，我会尽力回答你的问题。

下面是Python代码，用于计算100张无雾图像的Dark Channel直方图和每个暗通道的平均强度直方图。

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

def dark_channel(img, size):
    """计算暗通道图像"""
    # 获取图像的高度和宽度
    h, w = img.shape[:2]
    # 计算每个像素的暗通道值
    dark = np.zeros((h, w))
    for i in range(h):
        for j in range(w):
            patch = img[i:i+size, j:j+size, :]
            dark[i, j] = np.min(patch)

    return dark

def get_histogram(img):
    """计算图像的像素直方图"""
    # 将图像转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 计算像素直方图
    hist = cv2.calcHist([gray], [0], None, [256], [0, 256])

    return hist.flatten()

# 读取100张无雾图像，并计算每个图像的Dark Channel直方图和平均强度直方图
dc_hist = np.zeros((256,))
avg_hist = np.zeros((256,))
for i in range(1, 101):
    # 读取图像
    img = cv2.imread(f'image_{i}.jpg')
    # 计算暗通道图像
    dark = dark_channel(img, 15)
    # 计算Dark Channel直方图
    dc_hist += get_histogram(dark)
    # 计算每个暗通道的平均强度
    avg = np.mean(dark)
    # 计算平均强度直方图
    avg_hist[int(avg)] += 1

# 绘制Dark Channel直方图和平均强度直方图
plt.figure(figsize=(10, 5))
plt.subplot(121)
plt.bar(range(256), dc_hist)
plt.title('Dark Channel Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Count')

plt.subplot(122)
plt.bar(range(256), avg_hist)
plt.title('Average Intensity Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Count')

plt.show()

这个代码首先定义了一个函数`dark_channel`，用于计算暗通道图像。然后，使用`get_histogram`函数计算了图像的像素直方图。接着，循环读取100张无雾图像，对每个图像计算暗通道图像和平均强度，最终计算Dark Channel直方图和平均强度直方图并绘制出来。