灰度直方图均衡化不使用已知函数

好的，以下是不使用已知函数完成灰度直方图均衡化的代码实现：

import numpy as np
import matplotlib.pyplot as plt

# 读取图片并转为灰度图像
img = plt.imread("image.png")
gray = np.dot(img[...,:3], [0.299, 0.587, 0.114])

# 统计灰度直方图
hist = np.zeros((256,), dtype=int)
for i in range(gray.shape[0]):
    for j in range(gray.shape[1]):
        hist[int(gray[i,j])] += 1

# 计算累计分布函数
cdf = np.zeros((256,), dtype=float)
cdf[0] = hist[0] / (gray.shape[0] * gray.shape[1])
for i in range(1, 256):
    cdf[i] = cdf[i-1] + hist[i] / (gray.shape[0] * gray.shape[1])

# 灰度直方图均衡化
equalized = np.zeros(gray.shape, dtype=int)
for i in range(gray.shape[0]):
    for j in range(gray.shape[1]):
        equalized[i,j] = int(cdf[int(gray[i,j])] * 255)

# 绘制均衡化后的图像和灰度直方图
x = np.arange(256)
plt.imshow(equalized, cmap='gray')
plt.show()

hist_eq = np.zeros((256,), dtype=int)
for i in range(equalized.shape[0]):
    for j in range(equalized.shape[1]):
        hist_eq[equalized[i,j]] += 1

plt.bar(x, hist_eq, width=1)
plt.show()

其中，与上面的代码实现相似，首先使用两个for循环遍历灰度图像的每个像素，根据每个像素的灰度值统计灰度直方图。接下来，计算灰度直方图的累计分布函数，再使用两个for循环遍历灰度图像的每个像素，根据累计分布函数将灰度值映射到[0, 255]的范围内，最终得到均衡化后的灰度图像。最后使用`plt.imshow`和`plt.bar`函数绘制均衡化后的图像和灰度直方图。