灰度图像的直方图均衡化处理

灰度图像的直方图均衡化是一种用于增强图像对比度的图像处理方法。它可以将图像的像素值分布变得更加均匀，从而使图像中的细节更加明显。

具体步骤如下：

1. 将灰度图像的像素值进行统计，生成像素值的直方图。

2. 计算出累积分布函数，即将像素值直方图归一化后的累加函数。

3. 根据累积分布函数，将原图像中的每个像素值映射到新的像素值。

4. 对新的像素值进行标准化处理，使其在 0 到 255 之间。

5. 将处理后的像素值替换原图像中的像素值。

以下是 Python 代码实现：

import cv2
import numpy as np

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

# 计算像素值直方图
hist, bins = np.histogram(img.flatten(), 256, [0, 256])

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

# 映射像素值
img_equalized = np.interp(img.flatten(), bins[:-1], cdf_normalized)

# 对新的像素值进行标准化处理
img_equalized = np.uint8(img_equalized.reshape(img.shape) * 255.0)

# 显示原图像和处理后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Equalized Image', img_equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行代码后，会显示原图像和处理后的图像。可以看到，处理后的图像对比度更加明显。