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。
欢迎讨论,相互学习。
cdtxw@foxmail.com
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
2022-02-27 安卓app_sl4_4星级评分条示范代码
2022-02-27 安卓app_sl4_3拖动条示范代码
2022-02-27 安卓app_sl4_2水平进度条与圆形进度条_与线程的启动
2022-02-27 安卓app_sl4_1带自动提示的输入框_自动完成文本框的示范
2020-02-27 winxp系统连接服务器丢包解决方法
2020-02-27 cb52a_c++_STL_堆排序算法make_push_pop_sort_heap
2020-02-27 cb51a_c++_STL_算法_根据第n个元素排序nth_element