使用给定的夜景图像，分别进行直方图均衡化和自适应直方图均衡化，输出修改后的效果和直方图。代码和效果都用屏幕

好的，以下是使用Python和OpenCV库进行直方图均衡化和自适应直方图均衡化的代码和效果。

首先，我们需要导入必要的库和读入一张夜景图像。

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

img = cv2.imread('night.jpg', 0)
plt.imshow(img, cmap='gray')
plt.show()

读入的夜景图像如下所示：


接下来，我们可以使用OpenCV中的`equalizeHist()`函数对图像进行直方图均衡化。

equ = cv2.equalizeHist(img)
plt.imshow(equ, cmap='gray')
plt.show()

直方图均衡化后的图像如下所示：


我们还可以使用OpenCV中的`createCLAHE()`函数进行自适应直方图均衡化。这个函数可以自动根据图像的局部区域进行直方图均衡化，从而避免了全局直方图均衡化可能带来的过度增强的问题。

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
clahe_img = clahe.apply(img)
plt.imshow(clahe_img, cmap='gray')
plt.show()

自适应直方图均衡化后的图像如下所示：


最后，我们还可以绘制出原始图像、直方图均衡化后的图像以及自适应直方图均衡化后的图像的直方图。

fig = plt.figure(figsize=(10,10))

# 原始图像
plt.subplot(2,2,1)
plt.imshow(img, cmap='gray')
plt.title('Original Image')

# 直方图均衡化后的图像
plt.subplot(2,2,2)
plt.imshow(equ, cmap='gray')
plt.title('Equalized Image')
plt.hist(equ.ravel(),256,[0,256])

# 自适应直方图均衡化后的图像
plt.subplot(2,2,3)
plt.imshow(clahe_img, cmap='gray')
plt.title('CLAHE Image')
plt.hist(clahe_img.ravel(),256,[0,256])

plt.show()

绘制出的直方图如下所示：


注意，在进行`plt.hist()`操作时，我们需要将图像的像素值展成一维数组。这可以通过使用`ravel()`函数实现。`256,[0,256]`表示我们希望将像素值划分到256个区间中，并在0到256之间进行划分。