Python实现自适应直方图均衡化算法——CLAHE

Python实现自适应直方图均衡化算法——CLAHE

在数字图像处理领域，直方图均衡是一种经典的图像增强方法，通过调整图像的灰度分布，增加图像的对比度和细节，提升图像的质量。然而，在某些情况下，全局直方图均衡并不总是最有效的处理方式，因为图像的某些局部区域可能会因为过度均衡化而失去细节或产生噪声，反而影响整体效果。这时，自适应直方图均衡（Adaptive Histogram Equalization，AHE）就成了一种更好的选择。

在OpenCV-Python中，可以使用自适应直方图均衡化类CLAHE（Contrast Limited Adaptive Histogram Equalization）实现图像的自适应增强。CLAHE同样是基于直方图均衡的思想，但引入了限制对比度的因素，使得图像的局部增强更加准确、有效，并降低了图像噪声的程度。

具体实现步骤如下：

1.导入必要的库文件和图像

import cv2
import matplotlib.pyplot as plt