def ACE(src, C=3, n=3, MaxCG=7.5): rows, cols = src.shape meanLocal = cv2.blur(src, (n,n)) highFreq = src - meanLocal varLocal = highFreq * highFreq varLocal = cv2.blur(varLocal, (n,n)) varLocal = np.sqrt(varLocal).astype(np.float32) meanGlobal, varGlobal = cv2.meanStdDev(src) meanGlobal = meanGlobal[0][0] gainArr = 0.5 * meanGlobal / varLocal gainArr[gainArr > MaxCG] = MaxCG gainArr = gainArr.astype(np.uint8) gainArr = gainArr * highFreq dst2 = meanLocal + C*highFreq return dst2

这是 ACE 算法的 Python 代码。它的功能是对输入的图像 src 进行自适应增强（Adaptive Contrast Enhancement）。

ACE 算法的步骤如下：

1. 对图像 src 进行均值滤波，得到 meanLocal。
2. 计算 highFreq，它是图像 src 减去 meanLocal。
3. 计算 varLocal，它是 highFreq 的平方。
4. 对 varLocal 进行均值滤波，并将结果开方得到标准差。
5. 计算 meanGlobal 和 varGlobal，它们分别是图像 src 的平均值和标准差。
6. 计算 gainArr，它是图像 src 的平均值与 varLocal 的比值的一半。如果 gainArr 的值大于 MaxCG，则将它设为 MaxCG。
7. 使用 gainArr 乘以 highFreq 得到增强后的图像。
8. 返回 meanLocal 和 C * highFreq 的和作为增强后的图像。