直方图统计增强方法的原理：
  直方图统计增强是一种基于像素值分布的图像增强技术，通过调整像素值的分布来增强图像的对比度和细节。其原理是根据图像的直方图信息，将原始像素值映射到一个新的像素值域，从而改变图像的亮度和对比度。
直方图统计增强方法的意义：
  这种方法的目的是改善图像的视觉效果，使得图像中的细节更加清晰可见，从而提高图像在视觉上的识别和分析能力。通过将图像的像素值重新分布，使得图像的动态范围更好地覆盖了整个像素值域，凸显了图像中的细节，增强了图像的信息内容。
适用场景：
  直方图统计增强方法在以下场景中特别适用：

1. 低对比度图像： 当图像的亮度范围分布不均匀，即图像的对比度较低时，直方图统计增强可以使得图像的像素值分布更加均匀，增强图像的对比度。
2. 局部对比度调整： 有时候图像的一部分区域可能亮度较低，另一部分区域亮度较高。直方图统计增强可以通过针对不同区域使用不同的增强参数，实现局部对比度的调整。
3. 图像细节增强： 当图像中的细节由于亮度过低或过高而不易分辨时，直方图统计增强可以突出这些细节，使得它们更加清晰可见。

公式：
  直方图统计增强的基本公式如下：
  给定一个原始图像$I(x,y)$，其像素值为$i$，进行直方图统计增强后的图像为$I_{\text{enhanced}}(x,y)$，其像素值为$i^{\prime }$。增强函数可以表示为：
$$i^{\prime }=T(i)=\text{round}(c\cdot i)$$
  其中，$c$是增强常数，可以通过调整来控制增强的强度。一般情况下，$c>1$ 用于增强亮度，$c<1$用于降低亮度。函数 ( \text{round} ) 将结果四舍五入到最接近的整数，确保结果在合法的像素值范围内。
  另外，为了避免像素值越界，通常还会使用截断操作将增强后的像素值 ( i’ ) 限制在图像像素值域的合法范围内（通常是 [0, 255]）：
$$i^{\prime }=\{\begin{array}{ll}0& \text{if }c\cdot i<0\\ 255& \text{if }c\cdot i>255\\ \text{round}(c\cdot i)& \text{otherwise}\end{array}$$
  这样，直方图统计增强就可以通过调整增强常数 $c$ 来改变图像的亮度和对比度，从而实现图像的增强，代码如下所示：

import cv2
import matplotlib.pyplot as plt
import numpy as npdef enhanceHistStat(image, const):enhanced_image = np.clip(image * const, 0, 255).astype(np.uint8)return enhanced_imagedef enhance_Histstat(image):# 读取图像image = cv2.imread(image, flags=0)if image is None:print('Unable to load input_image!')returnelse:# 计算比例因子maxImg = image.max()maxROI = image[12:120, 12:120].max()const = maxImg / maxROI# 调用增强函数image_HSE = enhanceHistStat(image, const)image_Equ=cv2.equalizeHist(image)plt.figure(figsize=(10,6))plt.subplot(131),plt.title("Original image"),plt.axis('off')plt.imshow(image,cmap='gray',vmin=0,vmax=255)plt.subplot(132),plt.title("Global equalize histogram"),plt.axis('off')plt.imshow(image_Equ,cmap='gray',vmin=0,vmax=255)plt.subplot(133),plt.title("Histogram statistic enhance"),plt.axis('off')plt.imshow(image_HSE,cmap='gray',vmin=0,vmax=255)plt.show()imgfile1='./Images/cat.jpg'
enhance_Histstat(imgfile1)