python写直方图均衡化，不用opencv和函数，使用matplotlib

可以使用numpy和matplotlib库来实现直方图均衡化，以下是示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 读取图像并转换为灰度图像
img = plt.imread('image.jpg')
gray = np.dot(img[...,:3], [0.299, 0.587, 0.114])

# 计算灰度直方图
hist, bins = np.histogram(gray.flatten(), 256, [0,256])

# 计算累积分布函数
cdf = hist.cumsum()
cdf_normalized = cdf * hist.max() / cdf.max()

# 计算均衡化后的像素值
equalized = np.interp(gray.flatten(), bins[:-1], cdf_normalized)

# 将像素值重新变为图像
equalized = equalized.reshape(gray.shape)

# 显示原图和均衡化后的图像
fig, axs = plt.subplots(1, 2, figsize=(10, 5))
axs[0].imshow(gray, cmap='gray')
axs[0].set_title('Original')
axs[1].imshow(equalized, cmap='gray')
axs[1].set_title('Equalized')
plt.show()

这段代码使用numpy的histogram函数计算灰度直方图，然后计算累积分布函数，并使用numpy的interp函数计算均衡化后的像素值。最后将像素值重新变为图像，并使用matplotlib显示原图和均衡化后的图像。