在cv2中，CLAHE代码

在OpenCV中，使用CLAHE算法对图像进行直方图均衡化的代码如下：

import cv2

# 读入图像
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# 创建CLAHE对象并设置参数
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

# 对图像进行直方图均衡化
img_clahe = clahe.apply(img)

# 显示结果
cv2.imshow('input', img)
cv2.imshow('output', img_clahe)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`cv2.imread()`用于读入图像，`cv2.createCLAHE()`用于创建CLAHE对象并设置参数，`clahe.apply()`用于对图像进行直方图均衡化。最后，使用`cv2.imshow()`来显示原始图像和均衡化后的图像，`cv2.waitKey()`用于等待用户按下键盘，`cv2.destroyAllWindows()`用于关闭所有窗口。

你可以根据需要修改参数，例如`clipLimit`用于限制对比度增强的程度，`tileGridSize`用于设置像素块的大小。

相关问题

cv::CLAHE 范例代码

`cv::CLAHE`是OpenCV中的局部对比度增强（Contrast Limited Adaptive Histogram Equalization）算法的缩写，用于增强图像的局部对比度，特别适用于处理光照不均的情况。以下是一个基本的Python示例代码：

import cv2
import numpy as np

def apply_CLAHE(image_path, clipLimit=4.0, tileGridSize=(8, 8)):
    # 读取输入图像
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

    if img is None:
        print("Failed to load image.")
        return

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

    # 应用CLAHE增强
    enhanced_img = clahe.apply(img)

    return enhanced_img

# 使用示例
input_image = 'path_to_your_image.jpg'
enhanced = apply_CLAHE(input_image)
cv2.imshow('Original vs Enhanced', np.hstack([img, enhanced]))
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`clipLimit`参数控制了对比度的限制范围，`tileGridSize`参数决定了增强区域的大小。`apply()`函数会应用CLAHE算法，并返回增强后的图像。

C++ cv::CLAHE 范例代码

在C++中，`cv::CLAHE` (Contrast Limited Adaptive Histogram Equalization) 是OpenCV库中的一个工具，用于图像局部直方图均衡化，增强对比度，特别是对于那些光照变化大的区域。以下是一个简单的例子，展示了如何在OpenCV中使用`cv::createCLAHE()`函数创建一个`CLAHE`对象，并应用到图像上：

#include <opencv2/opencv.hpp>

int main() {
    // 加载图片
    cv::Mat img = cv::imread("path_to_your_image.jpg", cv::IMREAD_GRAYSCALE); // 确保是灰度图像

    if (img.empty()) {
        std::cout << "Could not open or find the image." << std::endl;
        return -1;
    }

    // 创建CLAHE对象，指定大小(块大小)和亮度限制
    int claheSize = 8; // 可调整大小
    double clipLimit = 0.05; // 亮度限制
    cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(claheSize, cv::Point(0, 0));

    // 对图像进行CLAHE处理
    cv::Mat clampedImg;
    clahe->apply(img, clampedImg);

    // 显示原图和处理后的图
    cv::imshow("Original Image", img);
    cv::imshow("CLAHE Enhanced Image", clampedImg);

    // 等待按键并关闭窗口
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

在这个示例中，`cv::createCLAHE`需要传入一个块大小和一个中心点，表示每个块的区域。`apply`函数则对整个图像进行处理。