c++ 绘制函数图像_【图像增强】CLAHE 限制对比度自适应直方图均衡化

文章来自：微信公众号【机器学习炼丹术】。

文章目录：

• 1 基本概述
• 2 竞赛中的CLAHE实现
• 3 openCV绘制直方图
• 4 对比度Contrast
• 5 Contrast Stretching
• 6 Histogram Equalization
• 7 CLAHE
  • 7.1 Contrast Limited HE
  • 7.2 Adaptive HE

• 8 结果对比与openCV实现

1 基本概述

CLAHE是一个比较有意思的图像增强的方法，主要用在医学图像上面。之前的比赛中，用到了这个，但是对其算法原理不甚了解。在这里做一个复盘。

CLAHE起到的作用简单来说就是增强图像的对比度的同时可以抑制噪声

CLAHE的英文是Contrast Limited Adaptive Histogram Equalization 限制对比度的自适应直方图均衡。在学习这个之前，我们要先学习一下下面的前置算法：

1. 【Contrast Stretching】:对比度拉伸；
2. 【HE】:直方图均衡；
3. 【CLHE】:对比度限制的HE
4. 【AHE】：自适应直方图均衡化

2 竞赛中的CLAHE实现

在比赛中，我们往往使用albumentations库函数进行图像的预处理，因为这个预处理库的运行速度非常的快，而且封装了大量的图像增强的方法。图像任务的话这个库函数非常滴奈斯。

本文中会介绍一下albumentations库函数实现CLAHE的代码，然后再用openCV实现。

import albumentations
RESIZE_SIZE = 1024 # or 768
train_transform = albumentations.Compose([
        albumentations.Resize(RESIZE_SIZE, RESIZE_SIZE),
        albumentations.OneOf([
            albumentations.RandomGamma(gamma_limit=(60, 120), p=0.9),
            albumentations.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.9),
            albumentations.CLAHE(clip_limit=4.0, tile_grid_size=(4, 4), p=0.9),
        ]),
        albumentations.HorizontalFlip(p=0.5),
        albumentations.ShiftScaleRotate(shift_limit=0.2, scale_limit=0.2, rotate_limit=20,
                                        interpolation=cv2.INTER_LINEAR, border_mode=cv2.BORDER_CONSTANT, p=1),
        albumentations.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225), max_pixel_value=255.0, p=1.0)
    ])

这是一个图像增强的pipline,其中的流程是：

• Resize就是拉伸图片修改尺寸
• RandomGamma就是使用gamma变换
• RandomBrightnessContrast就是随机选择图片的对比度和亮度
• CLAHE是一种对比度受限情况下的自适应直方图均衡化算法
• HorizontalFlip水平翻转
• ShiftScaleRotate这个就是平移缩放旋转三合一，给力！
• Normalize这个就是图像归一化了。

本文主要讲解的就是CLAHE这个直方图均衡化的算法。

3 openCV绘制直方图

使用openCV的