CLAHE算法增强单通道灰度图像的代码

CLAHE（Contrast Limited Adaptive Histogram Equalization）算法是一种用于增强图像对比度的方法，它可以在保持原始图像信息的前提下，增加图像的对比度和清晰度。

以下是使用Python实现CLAHE算法增强单通道灰度图像的代码：

import cv2

def clahe_equalize(image, clip_limit=2.0, grid_size=(8,8)):
    # Convert image to grayscale
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # Apply CLAHE
    clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=grid_size)
    equalized = clahe.apply(gray)
    
    return equalized

# Load image
image = cv2.imread('example.jpg')

# Apply CLAHE
equalized = clahe_equalize(image)

# Display results
cv2.imshow('Original', image)
cv2.imshow('Equalized', equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先定义了一个`clahe_equalize()`函数，该函数接受一个单通道灰度图像，然后返回一个经过CLAHE算法增强后的图像。在函数内部，我们使用`cv2.cvtColor()`将图像转换为灰度图像，然后使用`cv2.createCLAHE()`创建一个CLAHE对象，并将其应用于灰度图像上，最后返回增强后的图像。

在主函数中，我们首先加载原始图像，然后使用`clahe_equalize()`函数将其增强。最后，我们使用`cv2.imshow()`显示原始图像和增强后的图像。

请注意，我们可以通过调整`clip_limit`和`grid_size`参数来控制CLAHE算法的增强效果。`clip_limit`参数控制对比度限制的大小，`grid_size`参数控制图像被分成的块的大小。