opencv中自适应直方图均衡化

OpenCV中的自适应直方图均衡化（Adaptive Histogram Equalization, AHE）是一种图像增强技术，它的目的是为了改善局部图像区域的对比度，使得图像的细节更加突出。常规的直方图均衡化会对整个图像进行均匀化的处理，而自适应版本则根据每个像素邻域的亮度信息来进行调整。

在OpenCV中，你可以使用`cv::equalizeHist()`函数进行全局直方图均衡化。但是如果你想要进行自适应处理，你需要利用`createCLAHE()`函数创建一个 Contrast Limited Adaptive Histogram Equalization (CLAHE) 对象。CLAHE会在一个小的邻域（通常称为“tiles”或“blocks”）内计算直方图并应用均衡化，然后对结果进行限制，防止过度强化导致的失真。

以下是一个简单的示例代码：

#include <opencv2/opencv.hpp>

int main() {
    cv::Mat src; // 假设你已经加载了源图像
    if (!src.data)
        return -1;

    int tileSize = 8; // 邻域大小，默认值可能适合小图片，但可以根据需求调整
    cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(// 创建CLAHE对象
        cv::TermCriteria(), // 使用默认终止条件
        cv::Size(tileSize, tileSize), // 定义邻域大小
        cv::Rect() // 如果不指定，全图像都将被划分为等大的块
    );

    cv::Mat dst;
    clahe->apply(src, dst); // 应用CLAHE到源图像上

    // 现在dst就是自适应直方图均衡化的结果
    // 可以显示原始图像和增强后的图像进行比较
    cv::imshow("Original", src);
    cv::imshow("CLAHE Enhanced", dst);

    cv::waitKey(0);
    return 0;
}