对比度受限的自适应直方图均衡化(CLAHE)

直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，以达到提高图像 对比度的目的。该映射曲线其实就是图像的累计分布直方图（CDF）（严格来说是呈正比例关系）。然而HE是对图像全局进行调整的方法，不能有效地提高局部 对比度，而且某些场合效果会非常差。如：

for (Y = 0; Y <= TileY; Y++) //TileY为Y方向网格数
{
if (Y == 0)
{
SubY = TileYDim >> 1;  YU = 0; YB = 0;
}
else if (Y == TileY)
{
SubY = TileYDim >> 1;    YU = TileY-1;  YB = YU;
}
else
{
SubY = TileYDim; YU = Y - 1; YB = Y;
}
for (X = 0; X <= TileX; X++) //TileX为X方向网格数
{
if (X == 0)
{
SubX = TileXDim >> 1; XL = 0; XR = 0;
}
else if (X == TileX)
{
SubX = TileXDim >> 1;  XL = TileX - 1; XR = XL;
}
else
{
SubX = TileXDim; XL = X - 1; XR = X;
}
MapLU = &pMapArray[numBins * (YU * TileX + XL)];//左上角映射函数
MapRU = &pMapArray[numBins * (YU * TileX + XR)];//右上角映射函数
MapLB = &pMapArray[numBins * (YB * TileX + XL)];//左下角映射函数
MapRB = &pMapArray[numBins * (YB * TileX + XR)];//右下角映射函数
Interpolate(pImPointer,Stride,Channel,MapLU,MapRU,MapLB,MapRB,SubX,SubY,aLUT);//插值
pImPointer += SubX;
}
pImPointer+=(SubY-1)*Stride;
}

View Code

注意的是，上述循环需要（TileX+1）*（TileY+1）次，而不是TileX*TileY次。，原因很简单，以X方向为例，两侧边界处的半宽子块（灰色区）也各需要处理一次，如下图：



通过双线性插值可以基本消除块状效应：



对
于彩色图像，三通处理分开处理会导致严重的偏色，故我们可以将其进行颜色空间转换（如RGB转为HSV），然后仅对亮度分量处理，再反变换回RGB空间。
不过网上有高手将R、G、B统一处理[2]（也就相当于把一个像素点拆成三个像素点），这样得到的效果也不错，而且省去了颜色空间转换的时间，我们这里也
仿照他来吧：



另外，CLAHE对雾天图像处理效果也不错：







至于编程，我基本就是翻译adaphisteq.m，另外还有一些参考资源：CLAHE代码（MATLAB）

这里给出编译好的文件，有兴趣的朋友可以下载看看：ImageProcess(CLAHE)

参考：

[1]https://en.wikipedia.org/wiki/Adaptive_histogram_equalization

[2]/content/3795664.html