Paper | Contrast Limited Adaptive Histogram Equalization

最新推荐文章于 2023-11-22 20:54:38 发布

LVXIAO2897

最新推荐文章于 2023-11-22 20:54:38 发布

阅读量483

点赞数

文章标签： matlab c/c++

原文链接：http://www.cnblogs.com/RyanXing/p/9463041.html

版权

本文介绍了对比度和直方图均衡化（HE）的概念及其在图像处理中的应用，讨论了HE的问题，包括底噪的放大。接着，文章深入探讨了自适应直方图均衡化（AHE）和对比度限制的自适应直方图均衡化（CLAHE），并展示了CLAHE如何有效地抑制底噪并提高图像局部对比度。MATLAB中的adapthisteq函数用于实现CLAHE算法，并提供了效果示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 背景
2. CLAHE
- 2.1. 效果展示
- 2.2. 算法格式和细节

论文：Contrast limited adaptive histogram equalization

Zuiderveld, Karel. "Contrast limited adaptive histogram equalization." Graphics gems IV. Academic Press Professional, Inc., 1994.
Over 1800 citations (2019).

1. 背景

1.1. 对比度和直方图均衡HE

“对比度contrast ratio”这一概念，类似于“动态范围dynamic range”，衡量的是图像中亮区与暗区的比例。

对比度实际上没有统一的测量标准，参见：维基百科 contrast ratio

但我们知道，对比度是影响图像视觉效果的重要因素。

对比度小的图像，其色彩层次少，看起来要么太亮，要么太暗。如下图（太暗）：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LVXIAO2897

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

CLAHE算法介绍

驽马十驾，功在不舍；锲而不舍，金石可镂。

04-11

227

限制对比度自适应直方图增强CLAHE算法详细介绍。

视频、图形图像处理之Opencv技术记录（二）、类，结构，联合和接口以及简要说明

学无止尽，谨言慎行！

08-02

3355

参考资料：https://docs.opencv.org/3.4.2/annotated.html ▼Ncv ▼ CBoard Board of markers CCharucoBoard ChArUco board Specific class for ChArUco boards. A ChArUco board is a planar b...

参与评论您还未登录，请先登录后发表或查看评论

matlab ahe,基于直方图的图像增强算法（HE、CLAHE、Retinex）之（二）

weixin_39649490的博客

03-18

1065

作为图像增强算法系列的第二篇文章，下面我们将要介绍功能强大、用途广泛、影响深远的对比度有限的自适应直方图均衡(CLAHE，Contrast Limited Adaptive Histogram Equalization)算法。尽管最初它仅仅是被当作一种图像增强算法被提出，但是现今在图像去雾、低照度图像增强，水下图像效果调节、以及数码照片改善等方面都有应用。这个算法的算法原理看似简单，但是实现起来却...

论文学习：Contrast Limited Adaptive Histogram Equalization

棍哥幸的博客

07-28

6174

背景介绍 “对比度contrast ratio”这一概念类似于“动态范围dynamic range”，衡量的是图像中亮区与暗区的比例。对比度实际上没有统一的测量标准，参见：维基百科 contrast ratio 但我们知道，对比度是影响图像视觉效果的重要因素。对比度小的图像，其色彩层次少，看起来要么太亮，要么太暗。如下图：实际上摄影师是为了追求这种效果啦，我们拿来做一个de...

《Contrast Limited Adaptive Histogram Equalization》

sunny的专栏

01-12

5449

看英文文章喜欢一边看，一边翻译，这样不容易走神，翻译的不好，不喜勿喷。简介图像增强处理的方式大多数都是通过一个查询表，一个像素一个像素的转换如(Jain 1989)描述的。当一个图像对比较低时，使用合适的mapping函数通常会提高图像的对比度。 mapping函数通常是非线性的，广泛应用的如gamma纠正，另一个非线性的技术是直方图均衡，它的思想是基于一个图像的好坏是基于直方图分布来判

《Contrast Limited Adaptive Histogram Equalization》自译

davidtingle的专栏

09-17

4282

译自Karel Zuiderveld 论文 CLAHE This Gem describes a contrast enhancement technique called adaptive histogram equalization, AHE for short, and and improved version of AHE, named contrast limited adaptive histogram equalization, CLAHE, that both overcome the l

CLAHE：Contrast Limited Adaptive histgram equalization

女王の专属领地

05-07

8944

论文：Contrast limited adaptive histogram equalization Zuiderveld, Karel. "Contrast limited adaptive histogram equalization." Graphics gems IV. Academic Press Professional, Inc., 1994. 目录一、背景 1、对...

限制对比度自适应直方图均衡化算法原理、实现及效果

weixin_34238633的博客

04-07

4250

一、自适应直方图均衡化(Adaptive histgram equalization/AHE) 1.简述自适应直方图均衡化(AHE)用来提升图像的对比度的一种计算机图像处理技术。和普通的直方图均衡算法不同，AHE算法通过计算图像的局部直方图，然后重新分布亮度来来改变图像对比度。因此，该算法更适合于改进图像的局部对比度以及获得更多的图像细节。不过，A...

极少训练样本的人眼血管图像分割

OpenCV中文网

02-10

3934

https://github.com/orobix/retina-unet20幅训练，20幅测试，图像大小768*584.https://www.isi.uu.nl/Research/Databases/DRIVE/MethodsBefore training, the 20 images of the DRIVE training datasets are pre-processed with ...

CVPR2017论文摘要汇总

热门推荐

super_chicken的博客

04-09

1万+

1. Exclusivity-Consistency Regularized Multi-view Subspace Clustering Abstract: Multi-view subspace clustering aims to partition a set of multi-source data into their underlying groups. To boost the ...

Compressive Sensing Resources

Ramble Over The Cloud~

05-21

1万+

Compressive Sensing Resources References and Software Research at Rice The dogma of signal processing maintains that a signal must be sampled at a rate at least twice

限制对比度自适应直方图均衡（Contrast Limited Adaptive histgram equalization/CLAHE)

weixin_33982670的博客

10-11

948

转自：http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html 一、自适应直方图均衡化(Adaptive histgram equalization/AHE) 1.简述自适应直方图均衡化(AHE)用来提升图像的对比度的一种计算机图像处理技术。和普通的直方图均衡算法不同，AHE算法通过计算图像的局部直...

论文阅读笔记：《Contrast Limited Adaptive Histogram Equalization》

qq_44516871的博客

11-27

1752

CLAHE是一种对比度增强算法是AHE(adptive histogram equalization)算法的增强版，克服了标准直方图均衡化的限制。对于低对比度的图像具有不错的增强效果。 Introduction 对于对比度较差的图片，通常的做法是应用一个线性映射函数，如线性斜坡非线性的方法：如Gamma 校正，和本文要讲的直方图均衡化传统的直方图均衡化存在一些问题：会突出一些噪声区域，...

图像增强 | CLAHE 限制对比度自适应直方图均衡化

忽逢桃林的博客

07-22

1万+

1 基本概述 CLAHE是一个比较有意思的图像增强的方法，主要用在医学图像上面。之前的比赛中，用到了这个，但是对其算法原理不甚了解。在这里做一个复盘。 CLAHE起到的作用简单来说就是增强图像的对比度的同时可以抑制噪声 CLAHE的英文是Contrast Limited Adaptive Histogram Equalization 限制对比度的自适应直方图均衡。在学习这个之前，我们要先学习一下下面的前置算法：【Contrast Stretching】:对比度拉伸；【HE】:直方图均衡；【CLHE】

CLAHE (Contrast Limited Adaptive Histogram Equalization)算法学习

baidu_34971492的博客

07-05

1532

灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。式中，k为图像f(m,n)的第k级灰度值，n_{k}则为f(m,n)中灰度值为k的像素个数，n为图像的总像素个数，L为灰度级数。不同的灰度分布对应着不同的图像质量。灰度直方图能反映图像的概貌和质量，也是图像增强处理的重要依据。matlab灰度直方图：对于直方图均衡的概念可

opencv- CLAHE 有限对比适应性直方图均衡化

最新发布

weixin_42367888的博客

11-22

4679

opencv- CLAHE 有限对比适应性直方图均衡化

自适应直方图均衡化（Adaptive Histogram Equalization，简称AHE）是一种常用的图像增强技术，用于提高图像的对比度和细节可见性

TechPr的博客

09-10

485

OpenCV库提供了CLAHE（Contrast Limited Adaptive Histogram Equalization）算法的实现，该算法在AHE的基础上添加了对对比度的限制，以避免过度增强噪声。通常，较小的值将产生更保守的增强效果，而较大的值将产生更明显的增强效果。由于要处理的图像分块大小不能整除的情况，我们需要对图像进行填充以确保分块大小的整除性。在本文中，我们将介绍如何使用Python和OpenCV来实现CLAHE图像增强，并解决分块大小不能整除的情况。安装完成后，我们可以开始编写代码。

限制对比度自适应直方图均衡

风吹夏天的专栏

08-05

4316

限制对比度自适应直方图均衡（Contrast Limited Adaptive histgram equalization/CLAHE)，在改善图像方面取得了很好效果。若是场景深度变化不大，也可以用来去雾。但是算法并不总是很稳定，对有些图像处理效果不是很好。

Bilinear Interpolation Adaptive Histogram Equalization matlab代码实现

05-26

以下是Bilinear Interpolation Adaptive Histogram Equalization的Matlab代码实现： ```matlab function [outImg] = bilinearAdapthisteq(inImg, numTiles, clipLimit) % Bilinear Interpolation Adaptive Histogram Equalization % inImg: input image % numTiles: number of tiles (default: 8x8) % clipLimit: clipping limit (default: 0.01) % outImg: output image if nargin < 2 numTiles = [8 8]; end if nargin < 3 clipLimit = 0.01; end inImg = double(inImg); [h, w] = size(inImg); tileH = floor(h / numTiles(1)); tileW = floor(w / numTiles(2)); outImg = zeros(h, w); for i = 1:numTiles(1) rowStart = (i - 1) * tileH + 1; rowEnd = min(rowStart + tileH - 1, h); rowSize = rowEnd - rowStart + 1; for j = 1:numTiles(2) colStart = (j - 1) * tileW + 1; colEnd = min(colStart + tileW - 1, w); colSize = colEnd - colStart + 1; tile = inImg(rowStart:rowEnd, colStart:colEnd); % histogram equalization tileHist = histcounts(tile(:), 256); tileHistCum = cumsum(tileHist) / sum(tileHist); tileHistNew = max(0, floor(tileHistCum(tile(:)) * 255)); % clip histogram tileHistNewClip = tileHistNew; tileHistNewClip(tileHistNewClip > clipLimit * rowSize * colSize) = clipLimit * rowSize * colSize; % bilinear interpolation tileBilinear = interp2((0:255)', repmat([0 255], 256, 1), [tileHistNewClip; tileHistNewClip], tile, 'linear'); tileBilinear(isnan(tileBilinear)) = 0; outImg(rowStart:rowEnd, colStart:colEnd) = tileBilinear; end end outImg = uint8(outImg); ``` 该函数的输入为原始图像、瓦片数量和剪切限制。输出为进行Bilinear Interpolation Adaptive Histogram Equalization后的图像。在实现中，将原始图像分成多个瓦片，对每个瓦片进行直方图均衡化。然后，通过双线性插值将直方图映射应用于每个像素。最后，将所有瓦片重新组合为一幅图像。