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、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、OpenCV中，CLAHE函数实现：#include<opencv2\core\core.hpp>稆糨孝汶;#include <opencv2\opencv.hpp>#include<vector>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 vector<Mat> lab_planes(3); split(lab_image, lab_planes); // CLAHE 算法 Ptr<CLAHE> clahe = createCLAHE(); clahe->setClipLimit(4); Mat dst; clahe->apply(lab_planes[0], dst); dst.copyTo(lab_planes[0]); 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、CLAHE源码解析：ContrastLimitAHE .h：#ifndef _CONTRAST_LIMIT_AHE_H_#d髫潋啜缅efine _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[256]; /* 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、参考资料：[1] D. J. Ketcham, R. W. Lowe & J. W. Weber: Image enhancement techniques for cockpit displays. Tech. rep., Hughes Aircraft. 1974.[2] R. A. Hummel: Image Enhancement by Histogram Transformation. Computer Graphics and Image Processing 6 (1977) 184195.[3] 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.[4] K. Zuiderveld: Contrast Limited Adaptive Histogram Equalization. In: P. Heckbert: Graphics Gems IV, Academic Press 1994, ISBN 0-12-336155-9[5] 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.
