緒論直方圖均衡（AHE）雖然簡單高效，但無法處理圖像中不同區(qū)域的灰度分布差異過大的問題，導致效果不理想。為了解決這一問題，Pizer等人提出了局部直方圖均衡（AHE）方法，但忽略了其他區(qū)域像素并容易放

緒論

直方圖均衡（AHE）雖然簡單高效，但無法處理圖像中不同區(qū)域的灰度分布差異過大的問題，導致效果不理想。為了解決這一問題，Pizer等人提出了局部直方圖均衡（AHE）方法，但忽略了其他區(qū)域像素并容易放大噪聲。于是，K. Zuiderveld提出了對比度受限CLAHE圖像增強方法，通過限制局部直方圖高度來控制對比度增強幅度，避免噪聲放大和過度增強的問題。CLAHE不僅可用于圖像增強，還可應用于去霧操作。

1. CLAHE算法原理

CLAHE與AHE的不同之處在于對比度受限，主要解決了AHE過度放大噪聲的缺點。設定自適應直方圖均衡方法的滑動窗口大小為M*M，通過限制局部直方圖的高度來限制對比度強度。具體做法是限制直方圖的最大斜率Smax，進而限制局部對比度的增強幅度，避免過度增強。在實際處理中，根據設定的截取閾值T，對高度大于閾值的直方圖進行截斷，并將多余部分均勻分布在整個灰階范圍上，保證總直方圖面積不變，獲得改進后的直方圖。

2. 插值加速方法

傳統(tǒng)AHE方法需要計算每個像素的領域及變換函數，耗時嚴重。為提高算法效率，可以進行插值加速，使算法運行更快，質量不降低。具體做法是將圖像均勻分成矩陣大小塊，計算每塊的直方圖、CDF和變換函數。對于非中心像素，可通過鄰近黑色小方塊的變換函數插值獲取，中間像素采用雙線性插值，邊緣部分采用線性插值，角點部分使用塊所在的變換函數。

3. OpenCV中的CLAHE函數實現

在OpenCV中，通過調用CLAHE函數實現對圖像的局部對比度受限直方圖均衡化。首先讀取RGB圖片并轉換為Lab模式，提取L通道進行處理。通過設置ClipLimit參數來限制對比度增強強度，最后將處理結果轉回RGB圖像并顯示。

4. CLAHE源碼解析

ContrastLimitAHE類是CLAHE算法的核心實現，包括初始化、處理CLAHE等功能函數。通過MakeHistogram生成直方圖、ClipHistogram限制直方圖、MapHistogram映射直方圖、Interpolate插值等步驟完成對比度受限直方圖均衡化處理。該類中定義了網格個數、查找表以及各種處理函數，實現了CLAHE算法的核心邏輯。

5. 參考資料

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) 184-195.

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. M?ystad: Sliding window adaptive histogram equalization of intra-oral radiographs: effect on diagnostic quality. Dentomaxillofac Radiol. 2006 May;35(3):133-8.