matlab自己实现clahe的算法

CLAHE（Contrast Limited Adaptive Histogram Equalization）是一种自适应直方图均衡化算法，它通过对图像局部区域的直方图进行均衡化，以提高图像的对比度和细节。

以下是使用 MATLAB 实现 CLAHE 算法的示例代码：

function [result] = clahe(input_image, clip_limit, tile_size)
% input_image: 输入图像
% clip_limit: 对比度限制因子（0-1），控制均衡化后像素值的范围
% tile_size: 块大小

% 将输入图像转换为灰度图像
if size(input_image, 3) == 3
    input_image = rgb2gray(input_image);
end

% 计算图像大小
[height, width] = size(input_image);

% 计算图像中块的数量
num_tiles_x = floor(width / tile_size);
num_tiles_y = floor(height / tile_size);

% 初始化结果图像
result = zeros(height, width);

% 对每个块进行局部直方图均衡化
for i = 1:num_tiles_y
    for j = 1:num_tiles_x
        % 计算当前块的范围
        x_start = (j - 1) * tile_size + 1;
        x_end = j * tile_size;
        y_start = (i - 1) * tile_size + 1;
        y_end = i * tile_size;
        
        % 获取当前块
        current_block = input_image(y_start:y_end, x_start:x_end);
        
        % 计算当前块的直方图
        histogram = imhist(current_block);
        
        % 计算当前块的累积分布函数，并进行均衡化
        cdf = cumsum(histogram) / numel(current_block);
        cdf = max(0, min(cdf, clip_limit));
        cdf = (cdf - min(cdf(:))) / (1 - min(cdf(:)));
        new_values = round(cdf(current_block+1) * (numel(cdf)-1));
        
        % 将均衡化后的像素值写入结果图像
        result(y_start:y_end, x_start:x_end) = new_values;
    end
end

% 将结果图像转换为 uint8 类型
result = uint8(result);

end

在上述代码中，我们首先将输入图像转换为灰度图像，然后将图像分成大小为 `tile_size` 的块，并对每个块进行局部直方图均衡化。在均衡化过程中，我们使用对比度限制因子 `clip_limit` 来控制均衡化后像素值的范围，以避免过度增强噪声。

最后，我们将均衡化后的像素值写入结果图像，并将其转换为 uint8 类型。