在OpenCV里实现限制对比度的直方图均衡化

最新推荐文章于 2024-08-08 10:34:20 发布

caimouse

最新推荐文章于 2024-08-08 10:34:20 发布

阅读量876

点赞数

本文链接：https://blog.csdn.net/caimouse/article/details/100590742

版权

OpenCV 专栏收录该内容

232 篇文章 501 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了CLAHE（对比度有限的自适应直方图均衡化）算法，用于解决图像不同区域对比度差异大的问题。CLAHE通过对比度阈值减少噪声，避免了传统AHE的缺点，并使用双线性插值提高效率。文章通过实例展示了CLAHE相比于全局直方图均衡化的优点，防止了图像过度曝光，保持了图像细节。

摘要由CSDN通过智能技术生成

下面将要介绍功能强大、用途广泛、影响深远的对比度有限的自适应直方图均衡(CLAHE，Contrast Limited Adaptive Histogram Equalization)算法。尽管最初它仅仅是被当作一种图像增强算法被提出，但是现今在图像去雾、低照度图像增强，水下图像效果调节、以及数码照片改善等方面都有应用。对于一幅图像而言，它不同区域的对比度可能差别很大。可能有些地方很明亮，而有些地方又很暗淡。如果采用单一的直方图来对其进行调整显然并不是最好的选择。于是人们基于分块处理的思想提出了自适应的直方图均衡算法AHE。维基百科上说的也比较明白：AHE improves on this by transforming each pixel with a transformation function derived from a neighbourhood region. 但是这种方法有时候又会将一些噪声放大，这是我们所不希望看到的。于是荷兰乌得勒支大学的Zuiderveld教授又引入了CLAHE，利用一个对比度阈值来去除噪声的影响。特别地，为了提升计算速度以及去除分块处理所导致的块边缘过渡不平衡效应，他又建议采用双线性插值的方法。

原理就是按下图的方式：