绪：直方图均衡简单、高效；但是，图像中不同的区域灰度分布相差甚远，对它们使用同一种变换常常产生不理想的效果；实际应用中，常常需要增强图像的某些局部区域的细节。为了解决这类问题，Pizer等提出了局部直方图均衡化的方法(AHE)；AHE方法仅仅考虑了局部区域的像素，忽略了图像其他区域的像素，且对于图像中相似区域具有过度放大噪声的缺点；K. Zuiderveld等人提出了对比度受限CLAHE的图像增强方法；通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过增强；也可以被用来对图像去雾操作；CLAHE和AHE的区别在于前者对区域对比度进行了限制，且采用插值来加快计算；工具/原料moreOpenCV 2.4.10方法/步骤1/5分步阅读

1、CLAHE算法原理：

CLAHE与AHE不同的地方是对比度限幅，为了克服AHE的过度放大噪声的问题；

①设自适应直方图均衡化方法的滑动窗口大小为M*M，则局部映射函数为:

为滑动窗口局部直方图的累积分布函数(cumulative distribution function);

②的导数为直方图，从而局部映射函数的斜率S为:

故，限制直方图高度就等效于限制局部映射函数的斜率，进而限制对比度强度；

③设限定最大斜率为Smax，则允许的直方图高度最大为：

④对高度大于Hmax的直方图应截去多余的部分；

实际处理中，设截取阈值T(而非Hmax)对直方图进行截断，将截去的部分均匀的分布在整个灰阶范围上，以保证总的直方图面积不变，从而使整个直方图上升高度L，则有：

⑤最后改进的直方图为：

综上所述，改变最大的映射函数斜率Smax及相应的最大直方图高度Hmax，可获得不同增强效果的图像；

CLAHE通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大和局部对比度的过增强。

2/5

插值加速方法：

AHE方法，不管是否带有对比度限制，都需要对图像中的每个像素计算其领域及变换函数，算法耗时严重；

对其进行插值加速，使算法效率有极大提升，且质量没有下降；

①将图像均匀分成等份矩阵大小，常见8行8列64块；

②计算每个块的直方图，CDF，变换函数；

对于块的中心像素(黑色小方块)是完全符合定义的；

③对其他的像素通过其邻近的四个黑色小方块的变换函数插值来获取；

位于中间的像素(蓝色阴影)采用双线性插值；

位于边缘的部分(绿色阴影)采用线性插值；

位于角点处的部分(红色阴影)采用块所在的变换函数；

3/5

OpenCV中，CLAHE函数实现：

#includeopencv2\core\core.hpp

#include opencv2\opencv.hpp

#includevector

using namespace cv;

using namespace std;

int main(int argc, char** argv)

{

// 读取RBG图片，转成Lab模式

Mat bgr_image = imread(src.jpg);

if (!bgr_image.rows){

cout imread failed! endl;

return 0;

}

Mat lab_image;

cvtColor(bgr_image, lab_image, CV_BGR2Lab);

// 提取L通道

vectorMat lab_planes(3);

split(lab_image, lab_planes);

// CLAHE 算法

PtrCLAHE clahe = createCLAHE();

clahe-setClipLimit(4);

Mat dst;

clahe-apply(lab_planes, dst);

dst.copyTo(lab_planes);

merge(lab_planes, lab_image);

//恢复RGB图像

Mat image_clahe;

cvtColor(lab_image, image_clahe, CV_Lab2BGR);

//打印结果

imshow(原始图片, bgr_image);

imshow(CLAHE处理, image_clahe);

waitKey();

return 0;

}

4/5

CLAHE源码解析：

ContrastLimitAHE .h：

#ifndef _CONTRAST_LIMIT_AHE_H_

#define _CONTRAST_LIMIT_AHE_H_

#include stdafx.h

#include iostream

using namespace std;

class ContrastLimitAHE

{

public:

ContrastLimitAHE();

~ContrastLimitAHE();

int m_nGridX; /* CLAHE 宽网格的个数 */

int m_nGridY; /* CLAHE 高网格的个数 */

unsigned char m_aLUT; /* CLAHE lookup table used for scaling of input image 输入图像缩放的查找表*/

int Initial(int nMaxPixel, int nMinPixel, int uiNrBins, int nX, int nY, int nWidth, int nHeight,float fCliplimit);

int m_nWidth; /* CLAHE 宽 */

int m_nHeight; /* CLAHE 高 */

int m_nCliplimit;

int m_nHistBins;

int m_nGridSize_X;

int m_nGridSize_Y;

int *m_pMapArray;

int m_nGridSize; /* Actual size of contextual regions实际周边区域大小 */

int ProcessCLAHE(unsigned char* pImage);

void MakeHistogram(unsigned char* pImage,int* pulHistogram);

void ClipHistogram(int* pulHistogram);

void MapHistogram(int* pulHistogram);

void Interpolate (unsigned char * pImage);

int m_nMaxPixel;

int m_nMinPixel;

void ShiftInterpolate(unsigned char* pImage, int nSizeX, int nSizeY, int* pulMapLU, int* pulMapRU, int *pulMapLB, int *pulMapRB);

int LineInterpolate(unsigned char* pImage, int nSizeX, int nSizeY, int* pLU, int* pRU, int* pLB, int* pRB);

};

#endif

5/5

参考资料：

D. J. Ketcham, R. W. Lowe J. W. Weber: Image enhancement techniques for cockpit displays. Tech. rep., Hughes Aircraft. 1974.

R. A. Hummel: Image Enhancement by Histogram Transformation. Computer Graphics and Image Processing 6 (1977) 184195.

S. M. Pizer, E. P. Amburn, J. D. Austin, et al.: Adaptive Histogram Equalization and Its Variations. Computer Vision, Graphics, and Image Processing 39 (1987) 355-368.

K. Zuiderveld: Contrast Limited Adaptive Histogram Equalization. In: P. Heckbert: Graphics Gems IV, Academic Press 1994, ISBN 0-12-336155-9

T. Sund A. Møystad: Sliding window adaptive histogram equalization of intra-oral radiographs: effect on diagnostic quality. Dentomaxillofac Radiol. 2006 May;35(3):133-8.

注意事项

灰度映射表

双线性插值加速

图像算法图像增强直方图均衡化CLAHECLAHE程序