Python实现CLAHE

CLAHE（Contrast Limited Adaptive Histogram Equalization）是一种局部自适应直方图均衡化技术，可以在增强图像对比度的同时保留图像的局部细节。下面是用Python实现CLAHE的示例代码：

import cv2
import numpy as np

def clahe(img, clipLimit=2.0, tileGridSize=(8, 8)):
    # 将图像转换为LAB颜色空间
    lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
    # 分离L通道（亮度）
    l, a, b = cv2.split(lab)
    # 创建CLAHE对象
    clahe = cv2.createCLAHE(clipLimit=clipLimit, tileGridSize=tileGridSize)
    # 对L通道进行CLAHE增强
    l_enhanced = clahe.apply(l)
    # 合并增强后的L通道和原图像的A、B通道
    lab_enhanced = cv2.merge((l_enhanced, a, b))
    # 将增强后的图像转换回BGR颜色空间
    enhanced = cv2.cvtColor(lab_enhanced, cv2.COLOR_LAB2BGR)
    return enhanced

# 读取图像
img = cv2.imread('lena.jpg')
# 进行CLAHE增强
enhanced = clahe(img)
# 显示原图和增强后的图像
cv2.imshow('Original', img)
cv2.imshow('Enhanced', enhanced)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先将图像转换为LAB颜色空间，然后对L通道进行CLAHE增强，最后将增强后的L通道和原图像的A、B通道合并，并将其转换回BGR颜色空间。CLAHE的参数包括clipLimit（默认值为2.0）和tileGridSize（默认值为8x8），可以根据需要进行调整。