用一句大白话说一下直方图均衡的概念，直方图均衡（histogram equalization)是通过让原图的每个像素点的灰度值通过某个函数变换成另一个值，来提高原图的对比度，具体的函数方程为output = L*T(input)其中output为映射后的灰度值，L为灰度级255，T(r)为灰度值r的累积分布概率，计算方法：灰度值为r及以下的像素点总个数数/总像素点数。
对于数学上的一些分析，这里就不写了，想了解具体的可以看这里
以下是效果图片和代码：

原图

直方图均衡之后

# img_hist = cv2.calcHist(img, [1], None, [256], [0, 256])另一个计算直方图的函数
plt.hist(img[:,:,0].flatten(), 256, [0, 256], color = 'r')
# plt.plot(img_hist)
plt.title('original')
plt.show()
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
# equalize the histogram of the Y channel
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])   # only for 1 channel
plt.hist(img_yuv[:,:,0].flatten(), 256, [0, 256], color='r')
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)   # y: luminance
# img_equalized_hist = cv2.calcHist(img_yuv, [1], None, [256], [0, 256])
# plt.plot(img_equalized_hist)
plt.title('equalized')
plt.show()
# convert the YUV image back to RGB format
cv2.imwrite(path, img_output)
cv2.imshow('Color input image', img)
cv2.imshow('Histogram equalized', img_output)
key = cv2.waitKey(0)
cv2.destroyAllWindows()