OpenCV：图像增亮与直方图均衡

锐化

左：去噪后锐化 中：原图 右：直接锐化

不管是直接锐化，还是去噪后进行锐化，都会使得图像的噪声更加地严重，所以，去噪和锐化就先不做了，直接进行图像增亮和非线性拉伸

增亮

增亮使用加分进行增亮，防止乘法造成了像素值溢出。

1. 利用opencv进行加法增亮时，有两种操作：

   • 直接进行加法，该方法若超过255的像素会被取模，导致处理后像素值可能变低

   • 使用cv2.add进行加法，该方法若超过255，则任然等于255。所以我们的处理使用的是这个方法

2. 亮度值的选择

   分别尝试了30、40、50、60、80、100的增亮，可以发现，当亮度增量值为30时候，可以比原图看到更多的细节，且对比其他图，不会有明显的全局泛亮的效果，更有助于直方图均衡。

自适应直方图均衡

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(16, 16))
img_his = clahe.apply(img_add)

主要有两个超参数，一个是clipLImit决定均衡的阈值，一个是tileGridSize决定均衡的图像patch大小

clipLimit调节

1. 当阈值设为太小时，如1，导致对比度不够
2. 当阈值设置太大时，如3和4，导致对比度太大
3. 所以，选取了clipLimit=2.0作为第一个参数值

tileGridSize调节

1. 当该值设置太小时，对比度若一些，且取值4和8时候差别不大
2. 当该值设置适当时，可以明显看到局部的对比度不同，通过比较，我认为取32较为合适

最终效果图

弹性纤维处理效果 左图：处理好 右图：处理前

胶原纤维处理效果 左图：处理好 右图：处理前

代码

def img_enhanced(img, add=30, cliplimit=2.0, tilegridsize=32):
    img_add = cv2.add(img, add)
    clahe = cv2.createCLAHE(clipLimit=cliplimit, tileGridSize=(tilegridsize, tilegridsize))
    img_enhanced = clahe.apply(img_add)
    return img_enhanced