【OpenCV实战】OpenCV实现自动调整亮度和对比度

一，基于局部直方图信息增强算法

对比度受限的自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization，简称CLAHE）是一种用于图像增强的技术，其原理主要基于自适应直方图均衡化（Adaptive Histogram Equalization，简称AHE）但增加了对比度限制来避免过度放大噪声。

CLAHE的原理可以概括为以下几个步骤：

1，图像分块：首先，将输入图像分割成多个不重叠的小块（通常称为tiles或子区域）。每个小块的大小是固定的，例如8x8或16x16像素。

2，计算直方图：对于每个小块，计算其灰度直方图。直方图描述了小块内不同灰度级别的像素数量。

3，直方图均衡化：对每个小块的直方图进行均衡化，使得小块内的像素灰度分布更加均匀。这通常是通过累积分布函数（CDF）映射来实现的，将输入灰度值映射到新的灰度值，以扩展像素灰度值的范围。

4，对比度限制：在直方图均衡化的过程中，引入一个对比度限制参数（clipLimit）。这个参数限制了直方图的高度，从而限制了对比度增强的幅度。如果一个小块的直方图高度超过了设定的限制，那么超过限制的部分将被裁剪掉，并将裁剪下来的像素均匀分布到其他灰度级别上。这个步骤的目的是避免过度放大噪声或细节。

5，双线性插值：由于图像分割成小块进行均衡化，不同小块之间的边界可能会出现不连续的情况。为了消除这种不连续性，可以使用双线性插值等方法对边界像素进行平滑处理。

6，合并输出：