如何注册域名免费搜索引擎优化排名
限制对比度自适应直方图增强 CLAHE 算法介绍
- 1. CLAHE算法框图
- 2.直方图clip及重分配
- 2.1 opencv自带
- 2.2 scikit-image
- 2.3 结果对比
- 2.4 clip limit的性质
- 3.插值
- 参考文献
上图来自 K. Zuiderveld: Contrast Limited Adaptive Histogram Equalization。
图中可以看到各种直方图均衡的特点。
直方图均衡方法实施起来比较简单，计算量小，但是如果图中有局部过量或者过暗区域时，均衡后对比度效果不好。
AHE（ adaptive histogram equalization) 算法，通过将整张图分成若干区域，分别对各区域图片进行直方图均衡，来提升图片的局部对比度以及增强图像的边缘清晰度。
但是AHE算法存在缺陷，即针对相对均匀亮度的子区域，会放大其噪声，见上图第3个子图。
CLAHE算法全称为限制对比度自适应直方图增强 （contrast limited adaptive histogram equalization) ，它通过在直方图上进行clip操作，来限制均匀子区域中的噪声放大现象。从第4、5个子图可以看出，clip limit值越大