限制对⽐度的⾃适应直⽅图均衡化（CLAHE）在opencv中的
使⽤
1.CLAHE简介
HE直⽅图增强，⼤家都不陌⽣，是⼀种⽐较古⽼的对⽐度增强算法，它有两种变体：AHE和CLAHE；两者都是⾃适应的增强算法，功能差不多，但是前者有⼀个很⼤的缺陷，就是有时候会过度放⼤图像中相同区域的噪声，为了解决这⼀问题，出现了HE的另⼀种改进算法，就是CLAHE；CLAHE是另外⼀种直⽅图均衡算法，能有效的增强或改善图像（局部）对⽐度，从⽽获取更多图像相关边缘信息有利于分割，⽐如在中，使⽤CLAHE可以⽐传统的直⽅图增强⽅法达到更好的增强书脊边界直线的效果，从⽽有利于后续的书脊边界直线的检测和提取。还能够有效改善AHE中放⼤噪声的问题，虽然在实际中应⽤不多，但是效果确实不错。另外，CLAHE的有⼀个⽤途是被⽤来对图像去雾，跟何凯明的暗通道去雾效果有的⼀拼。
CLAHE和AHE的区别在于前者对区域对⽐度实⾏了限制，并且利⽤插值来加快计算。
2.CLAHE在OpenCV中的使⽤
2.1  增强灰度图像
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->setClipLimit(clipLimit);
clahe->apply(src, dst);
2.2  增强彩⾊图像
vector<Mat> BGR;
split(src,BGR);
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->apply(BGR[0],BGR[0]);
局部直方图均衡化
clahe->apply(BGR[1],BGR[1]);
clahe->apply(BGR[2],BGR[2]);
Mat res;
merge(BGR,res);
3.后记
后期博主也会更新有关CLAHE的基本原理的介绍，如有错误还请海涵并指正。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。