自适应直方图均衡化python代码

以下是一个基于Python的自适应直方图均衡化的示例代码：

import cv2
import numpy as np

def clahe(img, clip_limit=2.0, tile_size=(8, 8)):
    """
    自适应直方图均衡化
    :param img: 输入图像
    :param clip_limit: 对比度限制，默认为2.0
    :param tile_size: 瓦片大小，默认为(8, 8)
    :return: 均衡化后的图像
    """
    # 将图像转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 创建CLAHE对象
    clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=tile_size)

    # 应用CLAHE算法
    equalized = clahe.apply(gray)

    # 将灰度图像转换为BGR图像
    equalized = cv2.cvtColor(equalized, cv2.COLOR_GRAY2BGR)

    return equalized

使用示例：

# 读取原始图像
img = cv2.imread('input.jpg')

# 调用自适应直方图均衡化函数
equalized = clahe(img)

# 显示均衡化后的图像
cv2.imshow('Equalized', equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例中，我们将输入图像转换为灰度图像，创建CLAHE对象，并将其应用于灰度图像。最后，我们将均衡化后的灰度图像转换为BGR图像，并返回结果。