摘要：如果噪音在那里，它就會被放大為了避免這種情況，會應用對比限制如果任何直方圖超出指定的對比度限制默認情況下是，在應用直方圖均衡之前，這些像素被裁剪并均勻地分布到其他均衡后，刪除邊界中的工件，采用雙線性插值代碼

Histograms - 2: Histogram Equalization

直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法.通過這種方法，亮度可以更好地在直方圖上分布.這樣就可以用于增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現這種功能.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

equ = cv2.equalizeHist(img)
res = np.hstack((img,equ)) #stacking images side-by-side
cv2.imshow("show",res)

cv2.waitKey()

確實，直方圖均衡后背景對比度有所改善.但比較兩個圖像,由于亮度過高，我們丟失了大部分信息,這是因為它的直方圖并不局限于特定區域.

為了解決這個問題，使用自適應直方圖均衡.圖像被劃分為幾個小塊，稱為“tiles”(在OpenCV中默認值是8x8).然后每一個方塊都是像平常一樣的直方圖,因此，直方圖會限制在一個小區域(除非有噪聲)。如果噪音在那里，它就會被放大.為了避免這種情況，會應用對比限制.如果任何直方圖bin超出指定的對比度限制（默認情況下是40），在應用直方圖均衡之前，這些像素被裁剪并均勻地分布到其他bin.均衡后，刪除邊界中的工件，采用雙線性插值.

代碼：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

# create a CLAHE object (Arguments are optional).
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)


cv2.imshow("show",cl1)

cv2.waitKey()