使用OpenCV实现图像的直方图均衡化与对比度调整

# 1. 简介
## 1.1 介绍OpenCV库
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，用于图像处理、计算机视觉和机器学习领域。它提供了丰富的图像处理函数和算法，方便用户在图像处理过程中进行操作和分析。OpenCV支持多种编程语言，如C++、Python、Java等，方便开发者在不同的平台和环境中使用。

## 1.2 直方图均衡化与对比度调整的概念
直方图均衡化是一种常用的图像增强技术，它可以通过重新分布图像像素的灰度值来增强图像的对比度。通过直方图均衡化，可以使得图像的像素值在整个灰度范围内均匀分布，从而提高图像的视觉效果和可读性。

对比度调整是指改变图像中不同像素值之间的差异程度，使图像的明暗区域更加突出或平滑。通过调整图像的像素值范围和分布，可以达到增加或减小图像对比度的目的。

在本文中，我们将使用OpenCV库来实现图像的直方图均衡化和对比度调整，从而改善图像的质量和视觉效果。接下来，我们将详细介绍环境设置和准备工作。

# 2. 环境设置与准备

在本章中，我们将介绍如何设置环境并准备好进行直方图均衡化与对比度调整的示例图像。我们将包括安装OpenCV库和准备示例图像两个部分。

### 2.1 安装OpenCV

在进行图像处理之前，首先需要安装OpenCV库。OpenCV是一个开源计算机视觉和机器学习软件库，它提供了丰富的图像处理工具和算法。

#### Python环境下安装OpenCV

pip install opencv-python

#### 其他环境下安装OpenCV

如果你使用其他环境，可以参考OpenCV的官方文档进行安装。

### 2.2 准备示例图像

为了进行直方图均衡化与对比度调整的示例演示，我们需要准备一张示例图像。你可以从网络上下载一张你喜欢的图片，或者使用自己的图片作为示例。

在接下来的章节中，我们将使用安装好的OpenCV库和准备好的示例图像，来进行图像的直方图均衡化与对比度调整。

# 3. 图像的直方图均衡化

#### 3.1 什么是直方图均衡化
直方图均衡化是一种图像增强技术，旨在改善图像的对比度。它通过重新分配图像的像素值，使得直方图呈现更均匀分布，从而提升图像的视觉效果和细节。

#### 3.2 使用OpenCV实现直方图均衡化的步骤
- 将图像转换为灰度图
- 计算灰度图的直方图
- 计算累积分布函数
- 根据累积分布函数调整像素值

#### 3.3 示例代码演示

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

# 读取图像
img = cv2.imread('input.jpg', 0)

# 应用直方图均衡化
equ = cv2.equalizeHist(img)

# 显示结果
plt.figure(figsi