这里写目录标题
1.什么是直方图
直方图是可以对整幅图的灰度分布进行整体了解的图示，通过直方图我们可以对图像的对比度、亮度和灰度分布等有一个直观了解。图像的直方图用来形象描绘该图像像素值的分布情况。我们用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。因此直方图不能显示图像中某像素所在的空间位置信息。同时也需要注意一点，不同的图像可能会有相同的直方图，所以不能用单独的直方图去恢复图像.
绘制灰度图像直方图
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import cv2
import sys;sys.path.append('../')
import utils
img = cv2.imread('luda04.jpg')[:,:, [0]]
# 图像reshape
img, h, w = utils.auto_reshape(img, 480)
# 计算直方图
img_eqhist = utils.histogram(img)
# 绘制直方图
utils.plot_hist(img, img_eqhist)
绘制彩色图像直方图
img = cv2.imread('luda04.jpg')[:,:, [2,1,0]]
# 图像reshape
img, h, w = utils.auto_reshape(img, 480)
# 计算直方图
img_eqhist = utils.histogram(img)
# 绘制直方图
utils.plot_hist(img, img_eqhist)
直方图均衡化
直方图均衡化可以用来改善图像的全局亮度和对比度。
直方图均衡化是指将一幅图像的灰度直方图变平，使变换后的图像中每个灰度值的分布概率都相同。在对图像做进一步处理之前，直方图均衡化通常是对图像灰度值进行归一化的一个非常好的方法，并且可以增强图像的对比度。
均衡化前后效果对比
均衡化图像直方图：
2.高斯滤波
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 可以简单的理解为，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波和高斯模糊：
高斯滤波也叫做高斯平滑和高斯滤波。为什么叫做高斯滤波呢？那是因为对图像进行滤波操作。那为什么要加上高斯呢，那是因为卷积核(掩膜)是由高斯分布计算出来的所以就需要加上高斯两字。其实滤波范围比模糊要大，滤波还有高通滤波、低通滤波等。为什么叫做高斯模糊呢，是因为通过这个操作可以让图片变得模糊。那为什么又叫高斯平滑呢，那是因为使图像更加平滑了(平滑是图片变得更加平缓，更加模糊，不那么尖锐)。
高斯滤波的基本原理参考我之前写的一篇博客：【OpenCV学习2】图像滤波
参考资料
https://blog.csdn.net/theworld666/article/details/123538401
