自适应直方图均衡归一化

### 自适应直方图均衡归一化概述

自适应直方图均衡（Adaptive Histogram Equalization, AHE）是一种用于增强局部对比度的技术，在处理具有复杂光照条件的图像时特别有效。然而，标准AHE可能会过度放大噪声并导致不自然的结果。为了克服这些问题，提出了限制对比度自适应直方图均衡（Contrast Limited Adaptive Histogram Equalization, CLAHE），该技术通过引入对比度限制机制来改进传统AHE的效果[^1]。

#### CLAHE工作原理

CLAHE的核心在于将输入图片划分为多个互不重叠的小区域——称为“tiles”，并对每个tile独立应用直方图均衡操作。为了避免边界处可能出现的人工痕迹，相邻tiles之间会采用双线性插值法平滑过渡。此外，为了防止某些灰度级过分拉伸造成视觉失真，设置了最大允许增益系数（即裁剪限幅）。当某个bin的高度超过此阈值时，则将其余部分均匀分配给其他bins，从而保持整体亮度分布更加合理[^3]。

#### 实现过程详解

以下是基于MATLAB环境下的简单实现：

% 读入待处理图像
I = imread('example_image.jpg');

% 转换为灰度图
J = rgb2gray(I);

% 应用CLAHE算法
claheObj = adapthisteq(J,'ClipLimit',0.02,'Distribution','rayleigh');
enhancedImage = claheObj.J;

% 显示原图与增强后的效果图
figure;
subplot(1,2,1); imshow(J); title('Original Image');
subplot(1,2,2); imshow(enhancedImage); title('Enhanced by CLAHE');

上述代码片段展示了如何利用MATLAB内置函数`adapthisteq()`执行CLAHE运算，并调整参数以获得最佳性能。其中`'ClipLimit'`控制着对比度上限；而`'Distribution'`选项则指定了期望的目标概率密度模型，默认情况下为高斯分布，这里选择了瑞利分布作为例子[^4]。