Python opencv CLAHE：全称，含义:限制对比度的自适应直方图均衡化

AHE：全称，含义

Adaptive自动

Histogram 直方图

equalization均衡，同等化

自适应的直方图均衡AHE（Adaptive Histogram Equalization）

Contrast Limiting(CL)

(CLAHE)

限制对比度的自适应直方图均衡化

1.算法简介

AHE是一种用来改善图像对比度的图像处理技术，它与传统的（普通）直方图均衡相比，不同点主要在于，AHE通过计算图像每一个显著区域的直方图，来重新分布图像的亮度值，因此它更适合于用来改善图像的局部对比度，以及增强图像边缘信息，利于分割。

但是，AHE有一个缺陷，就是他在增强对比度的同时也会增强图像同质（均匀）区域的噪声，因此作为AHE的改进，CLAHE可以有效降低这种噪声的增强。

2.算法的意义

传统的直方图均衡在对整幅图像进行变换时都采用相同的直方图变换，这种方法对于那些像素分布均匀的图像来说效果很好，但是对于那种包含明显较亮或较暗区域的图像来说，往往不能起到显著的增强效果。

AHE通过计算每一个像素邻域的变换函数来对每个像素执行直方图增强，该算法最早被用在航天器驾驶舱的显示图像增强上。其最简单的形式是，基于该像素的方形邻域的直方图来均衡化每一个像素，如下图，这种基于直方图进行增强的思想其实跟普通的直方图增强完全相同，因为这种变换函数与像素邻域的累积分布函数（CDF）是相称的。