正在做一个把matlab程序转python的工作，遇到 matlab里面的 imadjust 函数，但是找了一圈没有对应的python函数，需要自定义一个函数

import numpy as np
from bisect import bisect_left

 # 已测试完毕，成功
    def imadjust(src, tol=1, vin=[0, 255], vout=(0, 255)):
        # src : input one-layer image (numpy array)
        # tol : tolerance, from 0 to 100.
        # vin  : src image bounds
        # vout : dst image bounds
        # return : output img
        assert len(src.shape) == 2, 'Input image should be 2-dims'
        tol = max(0, min(100, tol))
        if tol > 0:
            # Compute in and out limits
            # Histogram
            hist = np.histogram(src, bins=list(range(256)), range=(0, 255))[0]
            # Cumulative histogram
            cum = hist.copy()
            for i in range(1, 255): cum[i] = cum[i - 1] + hist[i]
            # Compute bounds
            total = src.shape[0] * src.shape[1]
            low_bound = total * tol / 100
            upp_bound = total * (100 - tol) / 100
            vin[0] = bisect_left(cum, low_bound)
            vin[1] = bisect_left(cum, upp_bound)
        # Stretching
        scale = (vout[1] - vout[0]) / (vin[1] - vin[0])
        vs = src - vin[0]
        vs[src < vin[0]] = 0
        vd = vs * scale + 0.5 + vout[0]
        vd[vd > vout[1]] = vout[1]
        dst = vd
        return dst

          src是一个二维矩阵，数据类型为uint8（0-255，用来表示灰度值），测试结果和matlab基本一模一样。做到了同输入同输出。

          用到了 bisect_left 它的用法可以参考 python：从整数列表（数组）中获取最接近给定值的数字

          当然，最好看文档 bisect — 数组二分查找算法，讲的比较好