OpenCV-Python自适应直方图均衡类CLAHE及方法详解

原创最新推荐文章于 2026-07-08 14:25:02 发布 2.9w 阅读 AI写同款

收录于

老猿Python

OpenCV-Python图形图像处理

LaoYuanPython

码龄8年墨衍会员 · AI 创作全网分发

15万+粉丝1324篇原创

关注

opencv- CLAHE 有限对比适应性直方图均衡化阅读详情

AI摘要

本文详细介绍了OpenCV-Python中用于对比度受限自适应直方图均衡的CLAHE类，包括其属性、方法以及如何构建和使用CLAHE对象。CLAHE主要通过apply方法对图像进行处理，参数clipLimit和tilesGridSize分别控制对比度和图像分块。创建CLAHE对象需通过createCLAHE函数，而非直接构造。示例代码展示了CLAHE对象的使用，包括属性读写和图像处理过程。

一、引言

对比度受限的自适应直方图均衡在OpenCV中是通过类CLAHE来提供实现的，老猿没研究过C++中的应用，但OpenCV-Python中应用时与普通的Python类构建对象的机制有所不同，老猿做了相关测试，在此简单介绍一下。

二、CLAHE类及方法介绍

2.1、简介

CLAHE类是OpenCV中进行对比度受限的自适应直方图均衡的基类，其类继承关系如下：
在这里插入图片描述
其父类和子类老猿没有研究过，在此就不展开介绍。

该类有2个重要属性：

tilesGridSize：图像被分成称为“tiles”（瓷砖、地砖、小方地毯、片状材料、块状材料）的小块，在OpenCV中，tilesGridSize默认为8x8 ，即整个图像被划分为8纵8横共64块。然后对每一个块进行直方图均衡处理
clipLimit：裁剪限制，此值与对比度受限相对应，对比度限制这个参数是用每块的直方图的每个bins的数和整图的平均灰度分布数的比值来限制的。裁剪则是将每块图像直方图中超过ClipLimit的bins多出的灰度像素数去除超出部分，然后将所有bins超出的像素数累加后平均分配到所有bins。具体算法老猿将在研究清楚后单独介绍。

2.2、成员方法简介

2.2.1、apply方法

apply方法用于对图像应用对比度受限自适应直方图均衡变换处理。
调用语法： dst = cv.CLAHE.apply( src[, dst] )
参数说明：

src：输入图像，图像类型为CV_8UC1 or CV_16UC1，即8位或16位灰度图
dst：输出图像，类型同输入图像

补充说明：在进行该方法调用前，必须已经设置了对比度受限自适应直方图均衡算法的受限对比度ClipLimit以及图像分块的行数和列数tiles

2.2.2、collectGarbage方法

collectGarbage方法应该是进行内存垃圾回收的，没有参数和返回值，老猿认为由于Python的内存管理机制，该方法没有什么意义，同时测试没有发现执行该方法起何作用，因此很可能是个无用的方法。

2.2.3、getClipLimit方法

getClipLimit方法是用于获取当前CLAHE对象设置的ClipLimit值返回。
调用语法： retval = cv.CLAHE.getClipLimit()

2.2.4、getTilesGridSize方法

getClipLimit方法是用于获取当前CLAHE对象设置的tilesGridSize返回。
调用语法： retval = cv.CLAHE.getTilesGridSize()

2.2.5、setClipLimit方法

方法是用于设置当前CLAHE对象的ClipLimit值，无返回值。

调用语法： None = cv.CLAHE.setClipLimit( clipLimit )

2.2.6、setTilesGridSize方法

方法是用于设置当前CLAHE对象的tilesGridSize值，无返回值。

调用语法： None = cv.CLAHE.setTilesGridSize( tileGridSize )

三、CLAHE对象的构建

3.1、CLAHE构造方法研究

从上面的方法介绍中，没有看到CLAHE的构造方法，在OpenCV文档中，确实没有这个CLAHE的构造方法，在Python的CLAHE.py模块中，有该类的构造方法的定义：

def __init__(self, *args, **kwargs): # real signature unknown
    pass

没有任何参数的说明，在老猿找到的该类的C++类的构造方法如下：

int CLAHE(kz_pixel_t* pImage, unsigned int uiXRes, nsigned int uiYRes, kz_pixel_t Min,      kz_pixel_t Max, unsigned int uiNrX, unsigned int uiNrY, unsigned int uiNrBins, float fCliplimit);

老猿以C++构造方法为依据构建了Python中的CLAHE类，构造方法确实返回了CLAHE对象，但以此调用相关方法全部出现代码异常退出。基本上说明OpenCV-Python中CLAHE的构造方法不可用，至于C++中是否能使用，老猿没有去研究。

3.2、createCLAHE函数

由于OpenCV-Python中CLAHE的构造方法无法使用，同时在OpenCV中，提供了单独的全局函数createCLAHE，因此OpenCV-Python中CLAHE对象的构建必须通过createCLAHE函数。

调用语法：retval = cv.createCLAHE( clipLimit=40,tileGridSize=（8,8）)
参数及返回值说明：clipLimit、tileGridSize请参考前面关于类的介绍，返回值为创建的类对象，该对象的clipLimit、tileGridSize由createCLAHE函数的参数指定。

四、示例代码

下面的代码使用OpenCV-Python对读入的图像进行对比度受限自适应直方图均衡处理：

import cv2
def testLocalHistEqu():
    img = readImgFile(r'f:\pic\valley.png', True)
    
    print('\033[31m老猿Python网址：\033[34mhttps://blog.youkuaiyun.com/LaoYuanPython\033[0m，同名微信公众号：\033[34m老猿Python')

    clahe = cv2.createCLAHE(clipLimit=200, tileGridSize=(5, 5))
  
    cl2 = clahe.getClipLimit()
    clahe.setClipLimit(20)
    cl1 = clahe.getClipLimit()
    clahe.setTilesGridSize((8,8))

    imgEquA = clahe.apply(img)

上面的代码中创建CLAHE对象后，对对象的属性进行了读写操作，其实这些代码完全没有必要。

五、小结

本文介绍了OpenCV-Python对比度受限自适应直方图均衡变换的CLAHE类及其方法，并通过代码介绍了相关方法的使用。在单图像的对比度受限自适应直方图均衡时，只需要使用createCLAHE创建CLAHE对象，然后调用该对象apply方法就可以完成对比度受限自适应直方图均衡处理，该类的其他方法用处不大，但如果是要进行多次对比度受限自适应直方图均衡处理，且需要设置不同的分块数和受限阈值，则可以通过提供的方法直接修改对象属性再进行均衡处理即可。

更多图像直方图处理的内容请参考《《数字图像处理》第三章学习总结感悟2：直方图处理》的介绍。

如对文章内容存在疑问，可在博客评论区留言，或关注：老猿Python 微信公号发消息咨询。