CLAHE算法

限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)

自适应直方图均衡(AHE)算法，对于图像中存在明显比其他区域亮或者暗的地方时，普通的直方图均衡算法就不能将该处的细节信息描述出来。AHE算法通过在当前处理像素周边的一个矩形区域内进行直方图均衡，来达到扩大局部对比度，显示平滑区域细节的作用。
   AHE算法的2个属性：1、AHE算法处理的局部领域，矩形领域小，局部对比度强，矩形领域大，局部对比度弱。2、如果矩形区域内的图像块信息比较平坦，灰度接近，其灰度直方图呈尖状，在直方图均衡的过程中就可能会出现过度放大噪声的情况。

   CLAHE，对比度受限的自适应直方图均衡算法就能够有效的限制噪声放大的情形。下图表示的就是局部矩形领域内的灰度直方图，由于对比度放大的程度与像素点的概率分布直方图的曲线斜度成比例，所以为了限制对比度，将大于一定阈值的部分平均分配到直方图的其他地方，如下图所示，这样的话，通过限制CDF（累积分布函数）的斜率来一定程度限制对比度。
 

插值过程，得到了CDF函数，也就获得了对应的亮度变换函数，在计算变换函数的时候可以通过插值过程来降低计算量。其中红色块（图像角点处）的变换函数是完全按照定义获得的，绿色块（图像边缘）的变换函数是通过旁边两个图像块的变换函数线性插值得到的，蓝色部分图像块的变换函数则是通过双线性插值得到。
 

Matlab和OpenCV中都已经集成了CLAHE函数，在Matlab中，就是函数J = adapthisteq(I)；

全局映射算子
每一个像素点将会根据它的全图特征和亮度信息进行映射，不管其空间位置几何。全局算子一个比较典型的例子就是色调曲线。
导致图像色调映射过后看起来很平坦，失去了其局部的细节信息。

局部映射算子
像素点所在的空间位置会被考虑，具有相同亮度值的两个像素点会被映射成不同的值，因为它们的空间位置周边的亮度信息可能不一样。
局部色调映射会很好的保护高亮和阴影部分的局部对比度和细节信息。
https://www.cnblogs.com/whw19818/p/5766005.html

 算法主要分以下三部：
 1.图像分块，以块为单位，先计算直方图，然后修剪直方图，最后均衡；
 

 2.块间线性插值，这里需要遍历、操作各个图像块，处理起来复杂一些；
 

3.与原图做图层滤色混合操作：f(a, b) = 1 - (1 - a)*(1 - b)。
https://blog.csdn.net/grafx/article/details/53311915