OpenCV图像对比度增强方法

OpenCV提供了许多对比度增强方法，下面列出了其中几种方法：

1. 直方图均衡化（Histogram equalization）：将图像的直方图均匀分布到整个灰度级范围内，从而增强对比度。

img = cv2.imread('image.jpg', 0)
equ = cv2.equalizeHist(img)

2. 自适应直方图均衡化（Adaptive histogram equalization）：将图像分成若干个小块，然后在每个小块内进行直方图均衡化，从而避免了直方图均衡化时可能会产生的全局对比度变化。

img = cv2.imread('image.jpg', 0)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
res = clahe.apply(img)

3. 对数变换（Logarithmic transform）：通过对图像的灰度值取对数来扩大灰度级范围，从而增强对比度。

img = cv2.imread('image.jpg', 0)
c = 255 / np.log(1 + np.max(img))
log_transformed = c * np.log(1 + img)

4. Gamma校正（Gamma correction）：通过对图像的灰度值进行幂次变换，从而增强对比度。

img = cv2.imread('image.jpg', 0)
gamma = 0.5
gamma_corrected = np.power(img, gamma)

这些方法可以单独使用，也可以结合使用，具体选择哪种方法取决于图像的特点和应用场景。