图像增强--限制对比度自适应直方图增强CLAHE算法（一）

具体的理论方法可以查看这两篇文章

https://blog.****.net/xiachong27/article/details/80443304

https://blog.****.net/u010839382/article/details/49584181

https://zhuanlan.zhihu.com/p/44918476

下面使用opencv 4.10实现CLAHE算法：

打开图片

    Mat inp_img = imread("test2.png");
	if (!inp_img.data) {
		cout << "Something Wrong";
		return -1;
	}
	namedWindow("Input Image", WINDOW_AUTOSIZE);
	imshow("Input Image", inp_img);

由于CLAHE算法是在Lab颜色模型中处理，而一般的图片一般都是BGR颜色模型，因此需要先对颜色模型进行转变。

Mat clahe_img;
cvtColor(inp_img, clahe_img, COLOR_BGR2Lab);

/*
        一个要素是亮度（L），a 和b是两个颜色通道。
        a包括的颜色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；
        b是从亮蓝色（低亮度值）到灰色（中亮度值）再到黄色（高亮度值）

 */

下面将一个Lab颜色模型的图像拆分为三个图层，分别使用CLAHE算法进行增强。

    std::vector<Mat> channels(3);
	split(clahe_img, channels);

	Ptr<CLAHE> clahe = createCLAHE();	
	clahe->setClipLimit(2.0);	// 直方图的柱子高度大于计算后的ClipLimit的部分被裁剪掉，然后将其平均分配给整张直方图 从而提升整个图像
	
	Mat dst;
	for (int i = 0; i < 3; i++)
	{
		clahe->apply(channels[i], dst);//对图像进行CLAHE增强
		dst.copyTo(channels[i]);
	}	
	merge(channels, clahe_img);//将三通道的图片重新合成一张图

/*
    Ptr<CLAHE> createCLAHE(double clipLimit = 40.0, Size tileGridSize = Size(8, 8));
    创建一个指向cv::CLAHE类的智能指针并初始化它
    clipLimit:阈值用于对比度限制。
    tileGridSize:用于直方图均衡的网格大小。输入图像将分为大小相等的矩形瓷砖。tileGridSize定义行和列中的tile数量。
 */

最后将图片转为BGR模型进行显示

图像增强前

图像增强后