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[img[i][j]] = n[img[i][j]] + 1


    t = 0
    for i in range(256):
        if n[i] > clip:
            t += n[i] - clip
            n[i] = clip
    t = t / 256
    n = n + t
    pk = n
    sk = np.zeros(256， np.float32)
    sk[0] = pk[0]
    for i in range(1， 256):
        sk[i] = sk[i - 1] + pk[i]
    sk = sk / (h * w)
    sk = sk * 255
    sk = np.around(sk)
    return sk

这个和之前的直方图统计就多了中间的步骤，也就是下面这一段代码：

    t = 0
    for i in range(256):
        if n[i] > clip:
            t += n[i] - clip
            n[i] = clip
    t = t / 256
    n = n + t

就是遍历256个灰度的统计值，将大于阈值的灰度统计值就设置为阈值， 亿配芯城 并将两者的差值进行累加。最后将总的差值除以256，将最后的结果累加到每一个灰度的统计值上面。

来看一下最后的效果：

可以看到相对于没有进行限制对比度的效果要好很多。

下面这幅图是没有限制对比度阈值的结果：

那么这个阈值要怎么计算呢：

一般来说我们采取这样的方法来计算阈值，也就是通过图像的大小，分块的多少，和clip_limit 的值来计算出来。一般图像大小，和分块多少是不变的，也就是说可以通过clip_limit的值来调整效果。

h， w = img.shape
block = 8
clip_limit = 2
clip = clip_limit * (h * w / (block * block) / 256)
clip = round(clip)

最后来看一下Verilog的实现，可以通过下面的代码来实现对比度限制的功能。

审核编辑：刘清

• FPGA
• 算法
• 图像处理
• -CLAHE
• 二步