Python是一門非常強大的編程語言，常常被用于圖像處理，其中一項常見的操作就是圖像的灰度均衡化，在這篇文章中，我們將介紹如何使用Python的OpenCV庫完成圖像的灰度均衡化。

在開始代碼之前，我們需要了解一些基本概念。灰度均衡化的目的是將圖像的灰度分布拉伸到整個灰度范圍內，這樣可以增強圖像的對比度，使得圖像更加清晰。首先，我們需要計算圖像的累積分布函數（Cumulative Distribution Function，CDF），CDF可以反映出不同灰度級別的像素在圖像中所占的比例。然后，我們將均衡化后的像素映射回原圖像中，得到最終的均衡化結果。

import cv2
def histeq(image):
# 計算像素累積分布函數
hist, bins = np.histogram(image.flatten(), 256, [0,256])
cdf = hist.cumsum()
cdf_normalized = cdf * float(hist.max()) / cdf.max()
# 將CDF映射回原圖像中
image_eq = np.interp(image.flatten(), bins[:-1], cdf_normalized)
return image_eq.reshape(image.shape)
# 讀取圖像
img = cv2.imread('lena.png', 0)
# 顯示原圖像
cv2.imshow('Original Image', img)
# 對圖像進行灰度均衡化
img_eq = histeq(img)
# 顯示均衡化后的圖像
cv2.imshow('Equalized Image', img_eq)
# 等待按鍵結束窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代碼中，我們首先定義了一個histeq函數，這個函數用于計算像素的累積分布函數并將處理后的圖像映射回原圖像中。然后，我們讀取了一張圖像作為測試集，并用cv2.imshow函數顯示原圖像和均衡化后的圖像，最后使用cv2.waitKey函數等待用戶按鍵，結束窗口。

在實際應用中，灰度均衡化是一種非常有用的圖像處理技術，能夠有效地提升圖像的質量。通過以上介紹，我們相信讀者已經掌握了Python實現圖像灰度均衡化的方法，希望能夠在實際應用中獲得更多的收獲。