用python代码将AHE算法处理后的图像输出比原图像小一圈

在Python中使用OpenCV库可以很方便地实现AHE算法。以下是一个简单的示例代码，可以将AHE算法处理后的图像输出比原图像小一圈：

import cv2

# 读取原始图像
img = cv2.imread('input_image.jpg', 0)

# 添加黑色边框
img = cv2.copyMakeBorder(img, 1, 1, 1, 1, cv2.BORDER_CONSTANT, value=0)

# 对图像进行AHE算法处理
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
img_ahe = clahe.apply(img)

# 去除黑色边框
img_ahe = img_ahe[1:-1, 1:-1]

# 显示处理后的图像
cv2.imshow('AHE Result', img_ahe)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，首先读取原始图像，并使用`cv2.copyMakeBorder`函数在图像边缘添加一个1像素宽的黑色边框。然后使用`cv2.createCLAHE`函数创建CLAHE对象，对图像进行AHE算法处理。最后通过切片操作去除黑色边框，得到处理后的图像。