对比度增强算法

① 图像处理有哪些算法

图像处理领域涵盖了多种算法，旨在改善图像质量、提取信息、压缩数据和恢复受损图片。以下是一些核心算法：
1. **滤波算法**：滤波是图像处理的基本步骤，用于去除噪声和干扰。常用的滤波技术包括均值滤波、高斯滤波和中值滤波。这些方法通过对每个像素进行邻域操作，实现平滑效果，减少噪声影响。
2. **图像增强算法**：增强算法提升图像的可视性，包括调整亮度、对比度和锐化等。例如，直方图均衡化可扩展像素值范围，增强图像对比度。
3. **图像分割算法**：图像分割将图像分割成多个区域，便于进一步分析。常见的分割技术有阈值分割、边缘检测和区域生长等。这些方法对于识别和提取图像中的关键信息至关重要。
4. **特征提取和描述算法**：这些算法从图像中提取重要特征，以便于识别和匹配。尺度不变特征变换（SIFT）是一种着名的特征提取方法，能够识别图像中的关键点和生成其描述子，对图像处理中的匹配和识别任务非常有效。
5. **图像压缩算法**：为了减少存储和传输所需的带宽，图像压缩算法如JPEG和PNG被广泛应用。这些算法通过去除冗余信息或采用特定的编码技术来减小图像文件的大小。
6. **图像恢复和重建算法**：这些算法用于修复和重建受损或退化的图像。超分辨率重建、去模糊和图像插值等技术能够恢复图像细节，提高图像质量。
随着技术的发展，图像处理领域不断涌现出新的算法，如基于神经网络的方法和形态学操作等，这些创新为图像处理带来了更广阔的应用前景。

② 用matlab实现photoshop算法自动对比度

imadjust是matlab自带函数，用于对比度增强 设原图象f(x,y)的灰度范围是[m，M]，如果希望调整后的图象g(x,y)的灰度范围是[n，N]，可以通过下面的程序实现：

③ opencv中有没有提供限制对比度的自适应直方图均衡化

1.CLAHE简介

HE直方图增强，大家都不陌生，是一种比较古老的对比度增强算法，它有两种变体：AHE和CLAHE；两者都是自适应的增强算法，功能差不多，但是前者有一个很大的缺陷，就是有时候会过度放大图像中相同区域的噪声，为了解决这一问题，出现了HE的另一种改进算法，就是CLAHE；CLAHE是另外一种直方图均衡算法，能有效的增强或改善图像（局部）对比度，从而获取更多图像相关边缘信息有利于分割，比如在书架识别系统中的书脊切割中，使用CLAHE可以比传统的直方图增强方法达到更好的增强书脊边界直线的效果，从而有利于后续的书脊边界直线的检测和提取。还能够有效改善AHE中放大噪声的问题，虽然在实际中应用不多，但是效果确实不错。另外，CLAHE的有一个用途是被用来对图像去雾，跟何凯明的暗通道去雾效果有的一拼。

CLAHE和AHE的区别在于前者对区域对比度实行了限制，并且利用插值来加快计算。

2.CLAHE在OpenCV中的使用

2.1 增强灰度图像

[cpp] view plain
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->setClipLimit(clipLimit);
clahe->apply(src, dst);

2.2 增强彩色图像

[cpp] view plain
vector<Mat> BGR;
split(src,BGR);
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->apply(BGR[0],BGR[0]);
clahe->apply(BGR[1],BGR[1]);
clahe->apply(BGR[2],BGR[2]);
Mat res;
merge(BGR,res);