python报错求解~

cv2 没有 createCLAHE 属性a[x] >= c 是一个表达式，返回的是这个表达式的结果，即一个 bool 类型的对象

[].extend 方法接受的参数是可迭代的(iterable)对象，

a = [1,2,3]

b = [4,5,6]

a.extend(b)# a=[1, 2, 3, 4, 5, 6]

楼主此处应该用 append 方法

使用列表解析是最pythonic的解法，也是效率最高的

b = [x for x in a if x >= c]

clahe(cla和a的区别)_clahe(cla和a的区别)

opencv中有没有提供限制对比度的自适应直方图均衡化

1.CLAHE简介

HE直方图增强，大家都不陌生，是一种比较古老的对比度增强算法，它有两种变体：AHE和CLAHE；两者都是自适应的增强算法，功能差不多，但是前者有一个很大的缺陷，就是有时候会过度放大图像中相同区域的噪声，为了解决这一问题，出现了HE的另一种改进算法，就是CLAHE；CLAHE是另外一种直方图均衡算法，能有效的增强或改善图像(局部)对比度，从而获取更多图像相关边缘信息有利于分割，比如在书架识别系统中的书脊切割中，使用CLAHE可以比传统的直方图增强方法达到更好的增强书脊边界直线的效果，从而有利于后续的书脊边界直线的检测和提取。还能够有效改善AHE中放大噪声的问题，虽然在实际中应用不多，但是效果确实不错。另外，CLAHE的有一个用途是被用来对图像去雾，跟何凯明的暗通道去雾效果有的一拼。

CLAHE和AHE的区别在于前者对区域对比度实行了限制，并且利用插值来加快计算。

2.CLAHE在OpenCV中的使用

2.1 增强灰度图像

[cpp] view plain copy

Ptr<:clahe> clahe = createCLAHE();

clahe->setClipLimit(clipLimit);

clahe->apply(src, dst);

2.2 增强彩色图像

[cpp] view plain copy

vector BGR;

split(src,BGR);

Ptr<:clahe> clahe = createCLAHE();

clahe->apply(BGR[0],BGR[0]);

clahe->apply(BGR[1],BGR[1]);

clahe->apply(BGR[2],BGR[2]);

Mat res;

merge(BGR,res);