基于均值和方差实现图像的局部增强python代码

以下是基于均值和方差实现图像的局部增强的 Python 代码：

import cv2
import numpy as np

def local_enhancement(image, ksize=15, alpha=1.5, beta=0.5):
    # 计算均值和方差
    mean, var = cv2.meanStdDev(image)

    # 计算局部均值和局部方差
    kernel = cv2.getGaussianKernel(ksize, -1)
    mean_local = cv2.filter2D(image, -1, kernel)
    var_local = cv2.filter2D(np.square(image), -1, kernel) - np.square(mean_local)

    # 计算增强系数
    k = var / var_local
    k[np.isnan(k)] = 0
    k[np.isinf(k)] = 0
    k = np.clip(k, 0, alpha)

    # 计算增强后的图像
    enhanced = np.uint8(np.clip(alpha * (image - mean_local) * k + beta * mean, 0, 255))

    return enhanced

这个函数接受一个图像作为输入，以及可选的参数 ksize、alpha 和 beta。ksize 是局部均值和局部方差计算时使用的高斯核大小，默认为 15。alpha 和 beta 是增强系数的调节参数，默认为 1.5 和 0.5。

函数首先计算整个图像的均值和方差，然后使用高斯核计算每个像素点的局部均值和局部方差。接着计算增强系数 k，将其限制在 0 到 alpha 之间。最后根据公式计算增强后的图像，并将像素值限制在 0 到 255 之间。