摘要：如果噪音在那里，它就會被放大為了避免這種情況，會應(yīng)用對比限制如果任何直方圖超出指定的對比度限制默認(rèn)情況下是，在應(yīng)用直方圖均衡之前，這些像素被裁剪并均勻地分布到其他均衡后，刪除邊界中的工件，采用雙線性插值代碼

Histograms - 2: Histogram Equalization

直方圖均衡化是圖像處理領(lǐng)域中利用圖像直方圖對對比度進行調(diào)整的方法.通過這種方法，亮度可以更好地在直方圖上分布.這樣就可以用于增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現(xiàn)這種功能.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

equ = cv2.equalizeHist(img)
res = np.hstack((img,equ)) #stacking images side-by-side
cv2.imshow("show",res)

cv2.waitKey()

確實，直方圖均衡后背景對比度有所改善.但比較兩個圖像,由于亮度過高，我們丟失了大部分信息,這是因為它的直方圖并不局限于特定區(qū)域.

為了解決這個問題，使用自適應(yīng)直方圖均衡.圖像被劃分為幾個小塊，稱為“tiles”(在OpenCV中默認(rèn)值是8x8).然后每一個方塊都是像平常一樣的直方圖,因此，直方圖會限制在一個小區(qū)域(除非有噪聲)。如果噪音在那里，它就會被放大.為了避免這種情況，會應(yīng)用對比限制.如果任何直方圖bin超出指定的對比度限制（默認(rèn)情況下是40），在應(yīng)用直方圖均衡之前，這些像素被裁剪并均勻地分布到其他bin.均衡后，刪除邊界中的工件，采用雙線性插值.

代碼：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

# create a CLAHE object (Arguments are optional).
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)


cv2.imshow("show",cl1)

cv2.waitKey()