图像处理技术在计算机视觉和机器学习领域中扮演着重要的角色

图像处理技术在计算机视觉和机器学习领域中扮演着重要的角色。其中，直方图均衡化是一种常用的图像增强方法，用于增强图像的对比度。本文将介绍直方图均衡化的原理，并提供相关的源代码实现。

直方图均衡化的原理

直方图均衡化是一种通过调整图像像素值分布来改善图像对比度的方法。它基于图像的灰度直方图，通过重新分布像素值来增强图像的动态范围。

直方图是一种统计图表，用于显示图像中每个灰度级别的像素数量。在直方图均衡化中，我们通过对原始图像的灰度级别进行重新分布，使得像素值在整个灰度范围内均匀分布。这样可以拉伸原始图像的灰度范围，增强图像的对比度。

直方图均衡化的步骤如下：

1. 计算原始图像的灰度直方图，得到每个灰度级别的像素数量。
2. 计算每个灰度级别的累积分布函数（CDF），表示在该灰度级别及以下的像素所占的比例。
3. 根据CDF，计算新的灰度级别映射表，将原始图像的灰度级别映射到均衡化后的灰度级别。
4. 根据灰度级别映射表，将原始图像中的每个像素值替换为均衡化后的像素值。

下面是使用Python实现直方图均衡化的示例代码：

import numpy as np
import cv2

def