OpenCv：直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE)-Toy模板网

这篇具有很好参考价值的文章主要介绍了OpenCv：直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

总结了使用Python OpenCv处理图像直方图均衡化(HE)，自适应直方图均衡化(AHE)，限制对比度自适应直方图均衡化(CLAHE)的方法。

直方图均衡化(HE)

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。

通过equalizeHist()可以实现图像的直方图均衡，它是一种全局直方图均衡，考量的对象是整幅图像。

接口形式：

cv2.equalizeHist(src[, dst]) ->dst
参数含义：
src：输入图像，8bit单通道；
dst：均衡后的输出图像，类型同src；

自适应直方图均衡化(AHE)

自适应直方图均衡化(AHE)用来提升图像的对比度的一种计算机图像处理技术。和普通的直方图均衡算法不同，AHE算法通过计算图像的局部直方图，然后重新分布亮度来改变图像对比度。因此，该算法更适合于改进图像的局部对比度以及获得更多的图像细节。缺点是有一个很大的缺陷，就是有时候会过度放大图像中相同区域的噪声。

限制对比度自适应直方图均衡化(CLAHE)

限制对比度的直方图均衡化(CLAHE)的处理方式是先为直方图设置一个阈值，该阈值为限制对比度值，超过该阈值的值会被裁剪，然后裁剪的部分会均匀的分布到其他值上，这样就重构了直方图，接下来就可以用重构后的直方图来进行接下来的均衡化操作了。

CLAHE是对比度抑制自适应直方图均衡（Contrast Limited Adaptive Histogram Equalization）的简称，不同于普通的直方图均衡，它是一种局部直方图均衡方法。

调用接口分两步，先创建实例，再调用apply()方法：

cv2.createCLAHE([, clipLimit[, tileGridSize]]) ->retval
dst=retval.apply(src)
参数含义：
clipLimit：对比对限制阈值，默认为40；
tileGridSize：直方图均衡的栅格尺寸，输入图像将会按照该尺寸分隔后进行局部直方图均衡，默认是8×8大小；
src：输入图像，8bit单通道；
dst：均衡后的输出图像，类型同src；

代码

## 直方图均衡化处理(HE)，自适应直方图均衡化(AHE),限制对比度自适应直方图均衡化处理
from skimage import exposure
import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
file_to_open = './datasets/INF2Visible_Face_NoGlasses_Original/testA/(2).jpg'  ## 导入图像路径
img = cv2.imread(file_to_open,cv2.IMREAD_GRAYSCALE)
print(type(img))

## 直方图均衡化处理（HE）
img_HE = cv2.equalizeHist(img)

## 自适应直方图均衡化处理(AHE)
img1 = exposure.equalize_adapthist(img)
img_AHE = Image.fromarray(np.uint8(img1 * 255))
img_AHE = np.array(img_AHE)    #PIL.Image.Image转numpy.ndarry

## 限制对比度自适应直方图均衡化处理（CLAHE），也叫局部直方图均衡化处理
clahe = cv2.createCLAHE(clipLimit=2, tileGridSize=(10, 10))
img_CLAHE = clahe.apply(img)   # 将灰度图像和局部直方图相关联, 把直方图均衡化应用到灰度图

plt.rcParams['font.sans-serif']=['SimHei']       #坐标图像中显示中文
plt.rcParams['axes.unicode_minus']=False

plt.figure(figsize=(20,15))    #设置大小
plt.subplot(241)
plt.imshow(img,cmap=plt.cm.gray,vmin=0,vmax=255),plt.axis("off"),plt.title("原始图像")
plt.subplot(245)
plt.hist(img.ravel(), 256), plt.title('原始图像直方图')

plt.subplot(242)
plt.imshow(img_HE,cmap=plt.cm.gray,vmin=0,vmax=255),plt.axis("off"),plt.title("直方图均衡化处理")
plt.subplot(246)
plt.hist(img_HE.ravel(), 256), plt.title('直方图均衡化处理后直方图')

plt.subplot(243)
plt.imshow(img_AHE,cmap=plt.cm.gray,vmin=0,vmax=255),plt.axis("off"),plt.title("自适应直方图均衡化处理")
plt.subplot(247)
plt.hist(img_AHE.ravel(), 256), plt.title('自适应直方图均衡化处理后直方图')

plt.subplot(244)
plt.imshow(img_CLAHE,cmap=plt.cm.gray,vmin=0,vmax=255),plt.axis("off"),plt.title("限制对比度自适应直方图均衡化处理")
plt.subplot(248)
plt.hist(img_CLAHE.ravel(), 256), plt.title('限制对比度自适应直方图均衡化处理后直方图')

plt.show()