AHE和CLAHE代码实现

AHE（自适应直方图均衡化）和CLAHE（对比度受限的自适应直方图均衡化）是两种图像增强技术。以下是Python中实现AHE和CLAHE的示例代码：

AHE代码实现：

import cv2
import numpy as np

def ahe(img, clip_limit=2.0, tile_size=8):
    """自适应直方图均衡化"""
    h, w = img.shape
    img_eq = np.zeros((h, w), dtype=np.uint8)
    for i in range(0, h, tile_size):
        for j in range(0, w, tile_size):
            # 获取当前块
            block = img[i:i+tile_size, j:j+tile_size]
            # 计算当前块的直方图
            hist, _ = np.histogram(block.flatten(), bins=256, range=(0, 255))
            # 计算累积直方图
            cdf = hist.cumsum()
            cdf = (cdf - cdf.min()) / (tile_size * tile_size - cdf.min())
            # clip limit
            cdf = np.clip(cdf, 0, clip_limit)
            # 直方图均衡化
            block_eq = np.interp(block.flatten(), np.arange(256), cdf * 255).astype(np.uint8)
            # 将均衡化后的块放回原图
            img_eq[i:i+tile_size, j:j+tile_size] = block_eq.reshape((tile_size, tile_size))
    return img_eq

CLAHE代码实现：

def clahe(img, clip_limit=2.0, tile_size=8):
    """对比度受限的自适应直方图均衡化"""
    h, w = img.shape
    img_eq = np.zeros((h, w), dtype=np.uint8)
    for i in range(0, h, tile_size):
        for j in range(0, w, tile_size):
            # 获取当前块
            block = img[i:i+tile_size, j:j+tile_size]
            # 计算当前块的直方图
            hist, _ = np.histogram(block.flatten(), bins=256, range=(0, 255))
            # 计算累积直方图
            cdf = hist.cumsum()
            cdf = (cdf - cdf.min()) / (tile_size * tile_size - cdf.min())
            # clip limit
            cdf = np.clip(cdf, 0, clip_limit)
            # 直方图均衡化
            block_eq = np.interp(block.flatten(), np.arange(256), cdf * 255).astype(np.uint8)
            # 将均衡化后的块放回原图
            img_eq[i:i+tile_size, j:j+tile_size] = block_eq.reshape((tile_size, tile_size))
    # 计算全局直方图
    hist, _ = np.histogram(img_eq.flatten(), bins=256, range=(0, 255))
    # clip limit
    cdf = hist.cumsum()
    cdf = (cdf - cdf.min()) / (h * w - cdf.min())
    cdf = np.clip(cdf, 0, clip_limit)
    # 直方图均衡化
    img_eq = np.interp(img_eq.flatten(), np.arange(256), cdf * 255).astype(np.uint8)
    img_eq = img_eq.reshape((h, w))
    return img_eq

以上代码中，`clip_limit`表示对比度限制因子，`tile_size`表示块的大小。在AHE中，每个块的直方图是独立计算的，而在CLAHE中，每个块的直方图都受到全局直方图的约束。