OpenCVSharp：学习CLAHE（对比度受限自适应直方图均衡化）

CLAHE介绍

CLAHE（Contrast Limited Adaptive Histogram Equalization）对比度受限自适应直方图均衡化我们可以分三部分来理解。

第一个部分HE (Histogram Equalization) - 直方图均衡化

图像的直方图显示了每个像素亮度值的分布情况，直方图均衡化的思想是：把像素的亮度值重新分配，让它们尽可能地均匀分布在整个亮度范围（0-255）内。

这个操作有什么缺点呢？

它是全局操作，会一视同仁，如果图像中某个区域已经很亮，它会被过度增强，导致细节丢失。

这时候第二部分就来了。

第二部分A (Adaptive) - 自适应

核心思想： 不再对整张图进行处理，而是将图像分成很多个小格子（比如 8x8 的小块），然后对每一个小块单独进行直方图均衡化。

这样就能针对每个小区域的特性来增强对比度。一个暗的区域不会被旁边亮的区域影响，即使在同一张图里，也能同时看清暗处和亮处的细节。

虽然解决了全局问题，但它放大噪声的问题变得更严重了。因为噪声本身就是局部像素的剧烈变化，AHE 会在每个小格子里拼命放大这种变化，导致图像出现“块状”的伪影，噪点满天飞。

这时候第三部分就来了。

第三部分CL (Contrast Limited) - 对比度受限

核心思想： 限制每个小格子里直方图的高度，也就是限制某个亮度值能出现的最大像素数量（即对比度增强的上限）。

这样看还是有点不清楚，让我们结合效果与代码去更好地理解吧！！

效果：

会发现暗的地方更清楚了一点。

这个算法包含ClipLimit与GridSize两个参数。

实践

在OpenCVSharp中使用CLAHE算法非常简单：

// 灰度图像：直接应用CLAHE using var clahe = Cv2.CreateCLAHE(); clahe.ClipLimit = ClipLimit; clahe.TilesGridSize = new Size(TilesGridSize, TilesGridSize); clahe.Apply(src, dst); public static CLAHE CreateCLAHE(double clipLimit = 40.0, Size? tileGridSize = null) { return CLAHE.Create(clipLimit, tileGridSize); }

参数解释：

在使用的时候还要注意的一点是如果是彩色图像还需要做一些额外的处理：

// 检查是否为彩色图像 if (src.Channels() == 3) { // 彩色图像：转换为LAB颜色空间，只对L通道应用CLAHE usingvar lab = new Mat(); Cv2.CvtColor(src, lab, ColorConversionCodes.BGR2Lab); // 分离LAB通道 var labChannels = Cv2.Split(lab); // 只对L（亮度）通道应用CLAHE usingvar clahe = Cv2.CreateCLAHE(); clahe.ClipLimit = ClipLimit; clahe.TilesGridSize = new Size(TilesGridSize, TilesGridSize); usingvar lChannelEnhanced = new Mat(); clahe.Apply(labChannels[0], lChannelEnhanced); // 合并通道 Mat[] mergedChannels = { lChannelEnhanced, labChannels[1], labChannels[2] }; usingvar mergedLab = new Mat(); Cv2.Merge(mergedChannels, mergedLab); // 转换回BGR颜色空间 Cv2.CvtColor(mergedLab, dst, ColorConversionCodes.Lab2BGR); }

LAB颜色空间解释

LAB颜色空间是一种基于人类视觉感知设计的设备无关色彩模型，它将颜色信息分离为三个维度：L代表亮度，a和b则共同定义色度，分别代表从绿到红和从蓝到黄的颜色范围。这种结构使得调整图像亮度时不影响其色彩，反之亦然，非常适合用于精确的色彩校正、编辑以及计算色彩差异。