首页 > TAG信息列表 > clahe
自适应均衡化案例代码 +结果
直接上代码 普通均衡化 import cv2 import matplotlib.pyplot as plt img=cv2.imread(dir,0) equ=cv2.equalizeHist(img) img_rgb = cv2.cvtColor(equ, cv2.COLOR_BGR2RGB) plt.imshow(img_rgb) plt.show() plt.hist(equ.ravel(),256)# 直方图 plt.show() 结果 自适应均衡关于 CLAHE 的理解及实现
CLAHE CLAHE 是一种非常有效的直方图均衡算法, 目前网上已经有很多文章进行了说明, 这里说一下自己的理解. CLAHE是怎么来的 直方图均衡是一种简单快速的图像增强方法, 其原理和实现过程以及改进可以查看这里: 一文搞懂直方图均衡_yfor1008-CSDN博客 目前存在一些问题: 直方图均【深度学习入门到精通系列】对比度受限的自适应直方图均衡化（CLAHE）
1 HE 直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换， 2 AHE 为了提高图像的局部对比度，有人提出将图像分成若干子块，对子块进行HE处理，这便是AHE（自适应直方图均衡化），使用AHE处理上图得到： 结果直方图 可以看出