直方图规定化（Histogram Specification，也称为直方图匹配或匹配滤波）是一种图像处理技术，用于调整一幅图像的直方图以匹配另一个目标图像的直方图。具体步骤如下：

1. 计算直方图：

   • 首先，计算输入图像和目标图像的灰度直方图。

2. 计算累积分布函数（CDF）：

   • 计算输入图像和目标图像的累积分布函数。这是通过分别累积每个灰度级的直方图概率得到的。

3. 逆CDF计算：

   • 对目标图像的CDF进行逆函数计算，以得到目标图像的等效灰度级。这一过程是为了映射输入图像的灰度值到目标图像。

4. 映射关系建立：

   • 建立输入图像和目标图像的灰度级映射关系。对于输入图像中的每个像素，根据其灰度值使用建立的映射关系转换成对应的目标灰度值。

5. 应用映射：

   • 对输入图像的每个像素应用映射关系来生成调整后的输出图像。

这样的处理确保输入图像的灰度直方图与目标图像灰度直方图更接近，实现颜色或亮度风格的匹配。直方图规定化广泛应用于医学图像处理、摄影后期处理、计算机视觉等领域。

这里是Python 实现的一个简单例子：

import cv2  
import numpy as np  
# 加载输入和目标图像  
input_image = cv2.imread('input.jpg', 0) # 灰度图  
target_image = cv2.imread('target.jpg', 0) # 灰度图  
# 计算输入图像和目标图像的直方图  
input_hist, input_bins = np.histogram(input_image.flatten(), 256, [0, 256])  
target_hist, target_bins = np.histogram(target_image.flatten(), 256, [0, 256])  
# 计算累积分布函数（CDF）  
input_cdf = input_hist.cumsum()  
target_cdf = target_hist.cumsum()  
# 标准化CDF  
input_cdf_normalized = input_cdf * (target_cdf.max() / input_cdf.max())  
target_cdf_normalized = target_cdf  
# 创建映射表  
mapping = np.zeros(256, dtype=np.uint8)  
target_value = 0  
for input_value in range(256):  
    while target_cdf_normalized[target_value] < input_cdf_normalized[input_value]:  
        target_value += 1  
    mapping[input_value] = target_value  
# 应用映射  
output_image = cv2.LUT(input_image, mapping)  
# 保存和显示结果  
cv2.imwrite('output.jpg', output_image)  

这段代码假设输入和目标图像都是灰度图像，并将输入图像转化为接近目标图像的直方图。请根据需要进行调整或扩展，例如处理彩色图像等。