具体的理论方法可以查看这两篇文章
https://blog.csdn.net/xiachong27/article/details/80443304
https://blog.csdn.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
代码已经传到了csdn上,下载链接是
https://download.csdn.net/download/weixin_42521239/11165322
没有积分的小伙伴可以在评论中留下你的邮箱,我发给你