限制对比度自适应直方图均衡化

限制对比度自适应直方图均衡化

限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)
限制对比度自适应直方图均衡化方法步骤为：将整幅图像切分为8*8的块，接着计算每个block的累积分布，在计算累积分布时，限制一下其对比度，防止直方图出现特别陡峭的情况，具体操作就是将直方图中高于某个阈值a的数值全都找出来构成一个集合B，然后B中的每一个元素b都变为a，其中b高于a的部分进行求和得到c，c除以256（该256是指灰度等级，也就是0-255）得到d，将d加在每一个灰度等级下。
总的来说CLAHE具体分为四步：
1、图像分块，以块为单位
2、先计算直方图、然后修剪直方图，最后均衡
3、遍历图像块，进行块间双线性插值
4、与原图做图像滤色混合操作

一、python

    import cv2 as cv 
    import numpy as np
     
    test=cv.imread("test.jpg",-1)
    #拆分每个通道
    B,G,R = cv.split(test) 
    clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    clahe_B = clahe.apply(B)
    clahe_G = clahe.apply(G)
    clahe_R = clahe.apply(R)
    clahe_test = cv.merge((clahe_B,clahe_G,clahe_R))
    cv.imshow('clahe_test',clahe_test)
    cv.imshow("test",test)
    cv.waitKey(0)
    cv.destroyAllWindows()

以下图为例：

结果：

其中第三张图片是左做全局直方图均衡化的结果，可以明显看到，使用CLAHE方法限制住了对比度（不像图三那么晃眼，同时比图一增强了细节）

二、matlab

输入：

输出：

代码：

modelname = 'CLAHEExample';
open_system(modelname,'force');
set_param(modelname,'SampleTimeColors','off');
set_param(modelname,'Open','on');
set_param(modelname,'SimulationCommand','Update');
set(allchild(0),'Visible','off');
system = 'CLAHEExample/CLAHEHDLAlgorithm/tileGeneration';
open_system(system,'force');
system = 'CLAHEExample/CLAHEHDLAlgorithm/histoEqPipeline/';
subsystem = [system 'histPipe1'];
open_system(subsystem,'force');
system = 'CLAHEExample/CLAHEHDLAlgorithm/histoEqPipeline/';
subsystem = [system 'histPipe1/redistribute'];
open_system(subsystem,'force');
system = 'CLAHEExample/CLAHEHDLAlgorithm/bilinearInterpolation';
open_system(system,'force');

或者直接：

openExample('visionhdl/CLAHEHDLExample')