对影像每个通道自适应直方图均衡化

每个通道自适应直方图均衡化（Adaptive Histogram Equalization, AHE）是一种常用的图像增强方法，可以增强图像的对比度和细节。与全局直方图均衡化相比，AHE可以适应不同区域的灰度分布，避免了过度增强某些区域的问题。

实现AHE的步骤如下：

1. 将彩色图像转换为灰度图像；
2. 将图像划分为若干个小区域（例如，16x16的小块）；
3. 对每个小块进行直方图均衡化，得到增强后的小块；
4. 将增强后的小块拼接起来，得到最终的增强图像。

下面是Python代码实现：

import cv2

def clahe(img):
    # 将彩色图像转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 创建CLAHE对象
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    # 对每个小块进行直方图均衡化
    gray_enhanced = clahe.apply(gray)
    # 将增强后的灰度图像转换为彩色图像
    enhanced = cv2.cvtColor(gray_enhanced, cv2.COLOR_GRAY2BGR)
    return enhanced

在代码中，我们首先将彩色图像转换为灰度图像，然后创建CLAHE对象并设置参数clipLimit=2.0和tileGridSize=(8,8)，clipLimit表示对比度限制因子，tileGridSize表示小块的大小。接着，我们对每个小块进行直方图均衡化，最后将增强后的灰度图像转换为彩色图像。