OpenCV中的直方图规定化与直方图均衡化的比较

# 1. 简介

## 1.1 引言

在图像处理领域，直方图是一种常用的统计工具，用于描述图像的像素值分布情况。直方图规定化和直方图均衡化是两种常见的图像增强技术，可以用来调整图像的对比度和亮度，改善图像质量，应用于图像处理、计算机视觉等领域。

## 1.2 OpenCV简介

OpenCV（Open Source Computer Vision Library）是一个开源的跨平台计算机视觉库，提供了丰富的图像处理和计算机视觉算法。它支持多种编程语言，包括C++、Python等，并且具有强大的图像处理功能，方便开发者实现各种图像处理任务。在本文的示例中，我们将展示如何使用OpenCV实现直方图规定化和直方图均衡化。

# 2. 直方图规定化

直方图规定化在图像处理领域中是一种常用的技术，它可以通过将一幅图像的像素值映射到另一幅图像的像素值来改变图像的对比度和亮度。在OpenCV中，直方图规定化可以帮助我们将一幅图像的像素值分布变换为另一幅图像的像素值分布，从而实现图像的风格转换和匹配等应用。

### 2.1 直方图规定化的概念

直方图规定化是一种通过调整像素值的映射关系来使得图像像素值分布变得更加符合某一参考分布的方法。通过直方图规定化，我们可以使得图像的对比度得到增强，图像的质量得到改善。

### 2.2 实现原理

直方图规定化的实现原理主要包括以下几个步骤：
1. 计算原始图像和目标图像的累积分布函数（CDF）。
2. 将原始图像的像素值通过CDF映射到对应的目标图像的像素值。

### 2.3 OpenCV中的直方图规定化函数介绍

在OpenCV中，直方图规定化可以通过`cv2.normalize`函数实现。该函数可以帮助我们实现图像的直方图规定化，具体代码示例如下：

import cv2
import numpy as np

# 读取原始图像和目标图像
src_img = cv2.imread('source.jpg', cv2.IMREAD_GRAYSCALE)
ref_img = cv2.imread('reference.jpg', cv2.IMREAD_GRAYSCALE)

# 计算原始图像和目标图像的直方图
src_hist = cv2.calcHist([src_img], [0], None, [256], [0, 256])
ref_hist = cv2.calcHist([ref_img], [0], None, [256], [0, 256])

# 计算累积分布函数
src_cdf = np.cumsum(src_hist)
ref_cdf = np.cumsum(ref_hist)

# 将原始图像像素值映射到目标图像像素值
lut = np.interp(src_cdf, ref_cdf, range(256))

# 应用映射关系进行直方图规定化
result_im