在介绍CLAHE算法之前必须要先提一下直方图均衡化，直方图均衡化算法是一种常见的图像增强算法，可以让像素的亮度分配的更加均匀从而获得一个比较好的观察效果。 如下图就是经过直方图均衡化后的效果图。 import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'E:python_image_simpythonProjectsimimgFig0459(a)(orig_chest_xray).tif

在这一篇里面介绍一下CLAHE算法的第二步对比度限制。 这个过程很简单，分为下面几个步骤。 计算出来限制的阈值 将统计好的直方图数据限制在0到阈值范围内。也就是将大于阈值的直方图数据减去阈值，并将差值累计起来。 将累计的差值平均分给每个灰度。 来看一下参考的Python代码： def cl_hist(img, clip): h, w = img.shape n = np.zeros(256, np.uint32) for i in range(h): for j in range(w): n[