视觉图像：对比度受限直方图均衡化CLAHE
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>
#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_
#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[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.