直方图匹配DEMO

直方图匹配是一种图像增强技术，它通过调整图像的直方图来改善图像的质量。目的是使处理后的图像具有特定的直方图分布，通常是均匀分布或高斯分布。以下是直方图匹配的基本步骤和一个简单的Python示例：

直方图匹配的步骤：

1. 计算原始图像的直方图。
2. 计算目标直方图，这通常是一个均匀分布的直方图，例如，如果你想要增强图像的对比度，可以使用高斯分布。
3. 计算累积分布函数（CDF），对于原始图像的直方图和目标直方图。
4. 对原始图像的每个像素进行重新映射，根据目标直方图的CDF来调整像素值。

Python示例代码：

import numpy as np
from PIL import Image
# 读取图像
image_path = 'path_to_your_image.jpg'  # 替换为你的图像路径
image = Image.open(image_path)
image = np.array(image)  # 将PIL图像转换为NumPy数组
# 如果是灰度图像，可以跳过这一步
if len(image.shape) == 2:
    image = np.stack((image,) * 3, axis=-1)  # 添加假彩色通道
# 计算原始图像的直方图
hist, bins = np.histogram(image.flatten(), 256, [0, 256])
cdf = hist.cumsum()
cdf_m = cdf * 255 / cdf.max()
# 计算目标直方图，这里使用均匀分布
cdf_t = np.zeros_like(cdf)
cdf_t[1:] = np.linspace(0, 255, 255)
# 对原始图像进行直方图匹配
image_equalized = np.interp(image.flatten(), bins[:-1], cdf_m).reshape(image.shape)
image_equalized = (image_equalized * 255 / image_equalized.max()).astype(np.uint8)
# 如果处理的是彩色图像，需要分别对每个颜色通道进行处理
if len(image.shape) == 3:
    for i in range(3):
        image_equalized[:, :, i] = (np.interp(image[:, :, i].flatten(), bins[:-1], cdf_m) * 255 / cdf_m.max()).astype(np.uint8)
# 显示处理后的图像
import matplotlib.pyplot as plt
plt.imshow(image_equalized)
plt.show()

这段代码首先读取一个图像，然后将其转换为NumPy数组。如果是灰度图像，它会添加假彩色通道以处理彩色图像。接着，它计算原始图像的直方图和累积分布函数，然后计算目标直方图（在这里是均匀分布）。最后，它使用目标直方图的累积分布函数来重新映射图像的像素值，从而实现直方图匹配。处理后的图像将具有改进的对比度。
请注意，这个示例使用了Python的Pillow库来读取和显示图像，以及NumPy来进行数学计算。确保你已经安装了这些库。