理论讲完了，咱们来动手试试！用Python实现直方图均衡化就像做一道简单的家常菜，只需要准备两个"食材"：
OpenCV库：负责读取、显示和处理图像
NumPy库：负责数值计算
如果你还没有这些库，可以先在终端里输入这行命令安装：
pip install opencv-python numpy
然后复制下面这段代码，保存为histogram_equalization.py，运行后就能看到直方图均衡化的效果啦！
# 导入需要的库
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 读取灰度图像
gray_image = cv2.imread('images/gray_image.jpg', cv2.IMREAD_GRAYSCALE)
# 方法1：使用OpenCV内置函数实现直方图均衡化
equalized_image = cv2.equalizeHist(gray_image)
# 方法2：手动实现直方图均衡化（仅作演示，实际应用中推荐使用OpenCV内置函数）
def manual_histogram_equalization(image):
# 计算图像直方图
hist = cv2.calcHist([image], [0], None, [256], [0, 256])
# 计算累积分布函数（CDF）
cdf = hist.cumsum()
# 归一化CDF
cdf_normalized = cdf / cdf.max()
# 应用直方图均衡化
equalized = np.interp(image.flatten(), np.arange(256), cdf_normalized * 255)
return equalized.reshape(image.shape).astype(np.uint8)
# 手动实现的直方图均衡化
manual_equalized = manual_histogram_equalization(gray_image)
# 显示原图和均衡化后的图像
plt.figure(figsize=(18, 10))
# 显示原图
plt.subplot(231)
plt.imshow(gray_image, cmap='gray')
plt.title('灰度原图')
plt.axis('off')
# 显示原图直方图
plt.subplot(232)
plt.hist(gray_image.ravel(), 256, [0, 256])
plt.title('原图直方图')
plt.xlabel('亮度值')
plt.ylabel('像素数量')
# 显示OpenCV均衡化结果
plt.subplot(233)
plt.imshow(equalized_image, cmap='gray')
plt.title('OpenCV直方图均衡化')
plt.axis('off')
# 显示OpenCV均衡化后的直方图
plt.subplot(234)
plt.hist(equalized_image.ravel(), 256, [0, 256])
plt.title('均衡化后直方图')
plt.xlabel('亮度值')
plt.ylabel('像素数量')
# 显示手动均衡化结果
plt.subplot(235)
plt.imshow(manual_equalized, cmap='gray')
plt.title('手动直方图均衡化')
plt.axis('off')
# 显示手动均衡化后的直方图
plt.subplot(236)
plt.hist(manual_equalized.ravel(), 256, [0, 256])
plt.title('手动均衡化后直方图')
plt.xlabel('亮度值')
plt.ylabel('像素数量')
plt.tight_layout()
plt.show()
# 保存均衡化后的图像
cv2.imwrite('images/equalized_image.jpg', equalized_image)
print('均衡化图像已保存！')
💡 小技巧：直方图均衡化虽然能提升图像对比度，但并不是所有图像都适合使用。对于已经有良好对比度的图像，过度均衡化可能会导致噪声放大，影响图像质量。