在图像处理中，归一化是一个改变像素强度值范围的过程。归一化有时被称为对比度拉伸或直方图拉伸。在更普遍的数据处理领域，如数字信号处理，它被称为动态范围扩展。

在各种应用中，动态范围扩展的目的通常是将图像或其他类型的信号带入感官上更熟悉或正常的范围，因此称为归一化。通常情况下，其动机是为了使一组数据、信号或图像的动态范围达到一致，以避免精神上的分心或疲劳。例如，一份报纸会努力使一期的所有图像都有一个类似的灰度范围。

因此在这里，简单的对图片进行对比度拉伸并且展示拉伸前后的直方图，这样更直观的感受和理解归一化。

首先读入图片

imgSrc = "Kitten.png"
imgKitten = cv2.imread(imgSrc, 0)
plt.imshow(imgKitten, cmap='gray', vmin=0, vmax=255)

这里cv2.imread()的参数flag设置为0这样方便进行灰度图的拉伸。对于彩色图像，flag可以设置为1，这样解码后的图像将按BGR顺序存储信道。

接下来进行对比度拉伸，这里涉及到一个公式：

其中O为最终的图片，I为原始图片，max和min分别为原始图片的最大强度和最小强度。

代码如下：

input_min, input_max = imgKitten.min(), imgKitten.max()

out_new = (imgKitten - input_min) * (255 / (input_max - input_min))
out_new = out_new.astype(np.uint8)

plt.imshow(out_new, cmap='gray', vmin=0, vmax=255)

这里可以检查一下输出图片的最大最小值是不是255和0，若为真，则可以继续绘制直方图

# histogram of low contrast image
gray_level = [0] * 256

for row in imgKitten:
    for col in row:
        gray_level[col] += 1

plt.plot(gray_level)

首先初始化一个size为256全为0的数组，接下来循环像素，填入每个像素的灰度后plt绘制出来，直方图如下：

同样的方法绘制输出图片的直方图，结果如下：

对比度拉伸完成，灰度范围扩大