【图像算法】clahe算法代码(我的详细代码+注释)

clahe（Contrast Limited Adaptive Histogram Equalization）算法是一种用于图像增强的算法。它是传统直方图均衡化算法的改进版本，能够自动调整直方图均衡化的效果，使得图像在增强过程中保留更多细节，并且减少对比度失真。下面是clahe算法的详细代码及注释：

import cv2

def clahe(image, clip_limit=2.0, grid_size=(8, 8)):
    # 将图片从彩色转为灰度图
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 创建CLAHE对象，设置阈值和网格大小
    clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=grid_size)
    
    # 对灰度图应用CLAHE算法
    enhanced = clahe.apply(gray)
    
    # 将增强后的灰度图转为彩色图像
    enhanced_color = cv2.cvtColor(enhanced, cv2.COLOR_GRAY2BGR)
    
    return enhanced_color

# 加载图像
image = cv2.imread('input_image.jpg')

# 调用clahe函数进行图像增强
enhanced_image = clahe(image, clip_limit=2.0, grid_size=(8, 8))

# 显示原始图像和增强后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Enhanced Image', enhanced_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，首先使用`cv2.cvtColor`将输入图像从彩色转换为灰度图像。然后，利用`cv2.createCLAHE`创建CLAHE对象，通过设置`clipLimit`参数来控制对比度的限制，设置`tileGridSize`参数来指定网格的大小。

接下来，使用`clahe.apply`函数对灰度图像进行CLAHE算法处理，得到增强后的灰度图 `enhanced`。

最后，将增强后的灰度图像转换为彩色图像，使用`cv2.cvtColor`函数将其从灰度转为BGR格式。

最后调用`cv2.imshow`和`cv2.waitKey`来显示原始图像和增强后的图像，并通过`cv2.destroyAllWindows`释放窗口资源。

通过这个代码，你可以得到输入图像的CLAHE增强图像，并显示出来，观察图像细节的改善效果。