写一段python实现AHE数据增强

### 使用Python实现AHE(Adaptive Histogram Equalization)

为了实现自适应直方图均衡化（AHE），可以利用OpenCV库中的`cv2.createCLAHE()`函数。尽管该方法实际上实现了带有对比度限制的自适应直方图均衡化(CLAHE)，但在实践中，这通常是首选的方式，因为其能够有效减少噪声放大问题并保留更多细节[^3]。

下面是一个简单的代码示例展示如何使用Python和OpenCV来执行AHE：

import cv2
import numpy as np

def apply_ahe(image_path, clip_limit=2.0, tile_grid_size=(8, 8)):
    # 加载灰度图像
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    
    # 创建CLAHE对象
    clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=tile_grid_size)
    
    # 应用CLAHE处理
    enhanced_image = clahe.apply(image)
    
    return enhanced_image


if __name__ == "__main__":
    input_image_path = 'path_to_your_image.jpg'
    output_image = apply_ahe(input_image_path)
    cv2.imwrite('enhanced_image.png', output_image)

此脚本定义了一个名为`apply_ahe`的功能，接受输入图片路径以及可选参数用于调整算法行为。通过设置不同的`clip_limit`值和`tile_grid_size`尺寸，可以根据具体需求优化效果[^4]。