光照自适应增强代码

以下是一个简单的光照自适应增强代码示例，使用Python和OpenCV库：

import cv2

def adaptive_histogram_equalization(image, clipLimit=2.0, tileGridSize=(8, 8)):
    # 将图像从BGR转换为Lab颜色空间
    lab = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
    # 将L通道（亮度）分离出来
    l, a, b = cv2.split(lab)
    # 应用CLAHE算法进行直方图均衡化
    clahe = cv2.createCLAHE(clipLimit=clipLimit, tileGridSize=tileGridSize)
    l_eq = clahe.apply(l)
    # 将增强后的L通道与a、b通道合并回Lab图像中
    lab_eq = cv2.merge([l_eq, a, b])
    # 将Lab图像转换回BGR颜色空间
    image_eq = cv2.cvtColor(lab_eq, cv2.COLOR_LAB2BGR)
    return image_eq

该函数使用CLAHE（对比度受限的自适应直方图均衡化）算法来对输入图像进行增强。该算法使用可调参数clipLimit和tileGridSize来控制直方图均衡化的程度。您可以根据需要调整这些参数。

使用该函数来增强图像的方法如下：

# 读取输入图像
input_image = cv2.imread('input_image.jpg')
# 对输入图像进行光照自适应增强
output_image = adaptive_histogram_equalization(input_image)
# 显示增强后的图像
cv2.imshow('Output Image', output_image)
cv2.waitKey(0)

这将显示增强后的图像并等待用户按下任意键退出窗口。