[图像去雾](一)限制对比度的自适应直方图均衡化(CLAHE)的学习体会——图像分块

图像去雾算法实践

最近研究图像去雾算法,作为菜鸟,慢慢学习。


算法原理参考以下两个链接:

http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html

http://blog.youkuaiyun.com/u010839382/article/details/49584181


我采用图像分块计算映射函数再插值增强的方法,可以把算法实现分为以下几个步骤:

(1)输入原图进行图像分块

(2)计算子图像块的CDF,映射函数

(3)逐像素根据插值原则,进行插值运算

(4)输出处理结果图


选取的测试图像(长551/宽375)


第一步:图像分块

参考帖子:http://www.matlabsky.com/thread-11379-1-1.html

该贴固定图像块大小为64*64个像素

下面修改的程序(MATLAB)可以设置图像块的数目为num*num,下边和右边不能被8整除的,则根据剩余大小存储。

<pre name="code" class="java">%局部直方图均衡化  

num = 8;
%将图像分成num*num块
h = ceil(height/num); w = ceil(width/num);

%子图像块起始行列号向量
t1 = (0:num-1)*h 
### CLAHE与传统直方图均衡化的优缺点分析 #### 优点比较 - **CLAHE的优点** CLAHE通过对图像进行分块处理,能够更好地保留局部细节并减少全局对比度过高的问题。这种方法尤其适合于具有复杂光照条件或局部对比度较低的图像[^2]。此外,由于其限制对比度的功能,CLAHE可以有效抑制噪声放大现象,在增强图像的同时保持较高的视觉质量。 - **传统直方图均衡化的优势** 传统的直方图均衡化方法简单高效,适用于整体亮度分布较为均匀的图像。它的实现过程相对直观,计算量较小,因此在实时应用场景中表现良好[^1]。 #### 缺点比较 - **CLAHE的不足之处** 尽管CLAHE提供了更精细的图像增强能力,但由于需要对图像划分成多个小区域分别处理,这增加了算法的时间和空间开销。对于高分辨率图像或者嵌入式设备而言,这种额外负担可能成为性能瓶颈[^2]。 - **传统直方图均衡化的局限性** 对于存在较大动态范围变化或局部特征明显的场景,标准直方图均衡化容易造成某些部分过亮而另些地方显得太暗的情况。另外,当原始数据中含有较多随机噪声时,这些干扰也会被显著放大,从而影响最终效果[^1]。 #### 总结 综上所述,如果目标是快速预览整个画面的信息,则可以选择常规方式;而对于那些追求高质量呈现且允许定延迟的应用场合来说,采用CLAHE无疑是个更好的解决方案。 ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 加载灰度图片 img = cv2.imread('example.jpg',0) # 创建CLAHE对象 (参数可以根据需求调整) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) cl1 = clahe.apply(img) # 使用普通的直方图均衡化 equ = cv2.equalizeHist(img) plt.subplot(131),plt.imshow(img,cmap='gray') plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(132),plt.imshow(equ,cmap='gray') plt.title('Histogram Equalization'), plt.xticks([]), plt.yticks([]) plt.subplot(133),plt.imshow(cl1,cmap='gray') plt.title('Adaptive Histogram Equalization'), plt.xticks([]), plt.yticks([]) plt.show() ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值