自适应直方图均衡化的python代码

自适应直方图均衡化是一种用于增强图像对比度的方法，下面是使用Python实现自适应直方图均衡化的代码示例：

import cv2

def adaptive_histogram_equalization(image, clipLimit=2.0, gridsize=(8, 8)):
    clahe = cv2.createCLAHE(clipLimit=clipLimit, tileGridSize=gridsize)
    return clahe.apply(image)

# 读取输入图像
input_image = cv2.imread('input_image.jpg', 0)

# 应用自适应直方图均衡化
output_image = adaptive_histogram_equalization(input_image)

# 显示原始图像和处理后的图像
cv2.imshow('Input Image', input_image)
cv2.imshow('Adaptive Histogram Equalization', output_image)

# 等待用户按任意键后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这段代码中，我们首先导入了OpenCV库。然后定义了一个名为adaptive_histogram_equalization的函数，该函数接受一个输入图像，以及可选的clipLimit和gridsize参数，并使用createCLAHE函数创建了一个自适应直方图均衡化的对象，最后将其应用到输入图像上。

接下来，我们读取了输入图像，并将其作为参数传递给adaptive_histogram_equalization函数，得到了处理后的图像。

最后，我们使用imshow函数显示了原始图像和处理后的图像，并使用waitKey和destroyAllWindows函数等待用户按任意键后关闭窗口。