论文学习：Contrast Limited Adaptive Histogram Equalization

最新推荐文章于 2024-02-28 08:00:00 发布

原创

最新推荐文章于 2024-02-28 08:00:00 发布 · 6.2k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#直方图均衡

这篇博客探讨了图像处理中的对比度增强技术，从直方图均衡(HE)开始，介绍了HE的问题，如底噪增加。接着，讨论了自适应直方图均衡(AHE)和对比度有限的自适应直方图均衡(CLAHE)，并展示了CLAHE如何通过限制直方图的斜率来抑制底噪，同时提升图像局部对比度。MATLAB的adapthisteq函数被用来实现CLAHE算法，并给出了实例效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、背景
二、CLAHE
- 1、效果展示
- 2、算法格式和细节

一、背景

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）：

Figure: Cloudy Night View

实际上摄影师是为了追求这种效果啦，但我们还是拿来做一个demo。

利用MATLAB内置的histeq函数，可以得到对比度增强的图片：

img=imread('Cloudy Night View.jpg');
rimg=img(:,:,1);
gimg=img(:,:,2);
bimg=img(:,:,3);
resultr=histeq(rimg);
resultg=histeq(gimg);
resultb=histeq(bimg);
result=cat(3,resultr,resultg,resultb);
imwrite(result,'result.jpg')

Figure: Cloudy Night View after HE

图像清晰了太多有没有！！！很多隐藏的细节都被挖掘出来了。

当然，这个结果有些色彩失真。我们尝试在Lab color space上进行，据说是最接近人眼特性的色彩空间：

cform2lab = makecform('srgb2lab');
imgLAB = applycform(img, cform2lab);
L = imgLAB(:,:,1); 
imgLAB(:,:,1) = histeq(L);
cform2srgb = makecform('lab2srgb');
result2 = applycform(imgLAB, cform2srgb); 
imwrite(result2,'result2.jpg')