adapthisteq

对比度受限自适应直方图均衡化（CLAHE）

折叠所有页面

语法

J = adapthisteq(我)

J = adapthisteq(我名字,值)

描述

例子

J=adapthisteq(我)增强灰度图像的对比度我通过使用对比度受限自适应直方图均衡化（CLAHE）变换值［１］．

J=adapthisteq(我,名称、值)使用名称-值对来控制对比度增强的各个方面。

例子

全部折叠

应用对比度受限自适应直方图均衡化（CLAHE）

打开生活的脚本

将clhe应用于图像并显示结果。

I=imread(“轮胎，tif”）;J = adapthisteq(我“clipLimit”,0.02,“分配”,“瑞利”); imshowpair（I，J，“蒙太奇”）;标题(“原图(左)及对比度增强图(右)”)

图中包含axes对象。标题为原始图像（左）和对比度增强图像（右）的axes对象包含Image类型的对象。

应用clhe索引彩色图像

打开生活的脚本

将索引的彩色图像读入工作区。

[X，MAP]=imread(“shadow.tif”）;

将索引图像转换为真彩色(RGB)图像，然后将RGB图像转换为L*a*b*颜色空间。

RGB=ind2rgb（X，MAP）；LAB=rgb2lab（RGB）；

将值缩放到adapthisteq函数[0 1]。

L =实验室(::1)/ 100;

在L通道上执行clhe。将结果缩放到L*a*b*颜色空间所使用的范围。

L = adapthisteq (L,“NumTiles”,[8 8],“克里普利米特”实验室（：，：，1）=L*100；

将结果图像转换回RGB颜色空间。

J=lab2rgb（LAB）；

显示原始图像和处理后的图像。

图imshowpair (RGB, J,“蒙太奇”)标题(“原始(左)和对比度增强(右)图像”)

图中包含Axis对象。标题为“原始”（左）和“对比度增强”（右）图像的Axis对象包含图像类型的对象。

增强图像中的阴影看起来更暗，高光看起来更亮。整体对比度得到改善。

输入参数

全部折叠

`我`—灰度图像
二维数值矩阵

灰度图像，指定为二维数字矩阵。

数据类型：单一的|双重的|int16|uint8|uint16

名称值参数

指定可选的逗号分隔的字符对名称、值参数。名字是参数名和价值为对应值。名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“NumTiles”[8 16]将图像分为8行16列的平铺。

`珠子`—瓷砖数量
`[8,8]`（默认）|正整数的2元向量

插入的矩形上下文区域（平铺）的数量adapthisteq将图像分割，指定为正整数的2元素向量。将原始图像分割为M行列N瓦片列的值“NumTiles”是[M N]. 两者M和N至少2．瓷砖的总数等于M*N. 瓷砖的最佳数量取决于输入图像的类型，最好通过实验确定。

数据类型：双重的

`克里普利米特`—对比度增强极限
`0.01`（默认）|在[0,1]范围内的数字

对比度增强限制，指定为[0,1]范围内的一个数字。上限越高，对比度越大。

“克里普利米特”是一种对比度因子，防止图像过饱和，特别是在均匀区域。这些区域的特征是由于许多像素落在相同的灰度范围内，在特定图像瓦片的直方图上有一个高峰。在没有剪辑限制的情况下，自适应直方图均衡化技术可能会产生比原始图像更差的结果。

数据类型：双重的

`NBins`—用于构建对比度增强转换的直方图箱数
`256`（默认）|正整数

用于构建对比度增强转换的直方图箱数，指定为正整数。值越高，动态范围越大，但处理速度越慢。

数据类型：双重的

`范围`—输出数据范围
`“全部”`（默认）|`“原始”`

输出图像数据的范围，指定为这些值之一。

价值	描述
`“全部”`	使用输出类的完整范围（例如[0 255]用于`uint8`).
`“原始”`	将范围限制为`[最小（I（：））最大（I（：）]`．

数据类型：字符|一串

`分布`—期望的直方图形状
`“制服”`（默认）|`“瑞利”`|`“指数型”`

所需的直方图形状，指定为以下值之一:

价值	描述
`“制服”`	创建一个平面直方图。
`“瑞利”`	创建钟形直方图。
`“指数型”`	创建一个曲线直方图。

“分配”指定以下分布adapthisteq用作创建对比度变换函数的基础。选择的分布应取决于输入图像的类型。例如，使用瑞利分布时，水下图像看起来更自然。

数据类型：字符|一串

`阿尔法`—分布参数
`０．４`（默认）|非负数

分布参数，指定为非负数。“α”仅在以下情况下使用“分配”被设置为“瑞利”或“指数型”．

数据类型：双重的

输出参数

全部折叠

`J`-对比度增强图像
二维矩阵

对比度增强图像，作为与输入图像相同数据类型的二维矩阵返回我．

算法

CLAHE作用于图像中的小区域，称为瓷砖，而不是整个图像。adapthisteq分别计算每个平铺的对比度变换函数。每个磁贴的对比度都得到增强，因此输出区域的直方图与'分布'价值观。然后使用双线性插值组合相邻的瓷砖，以消除人为诱导的边界。可以限制对比度，特别是在均匀区域，以避免放大图像中可能存在的任何噪声。

参考文献

[1] Zuiderveld,卡雷尔。对比受限自适应直方图均衡化。图形宝石四．圣地亚哥:学术出版社，1994。474 - 485。

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另见

直方图均衡化

之前介绍过的R2006a

adapthisteq

语法

描述

例子

应用对比度受限自适应直方图均衡化（CLAHE）

应用clhe索引彩色图像

输入参数

`我`—灰度图像
二维数值矩阵

名称值参数

`珠子`—瓷砖数量
`[8,8]`（默认）|正整数的2元向量

`克里普利米特`—对比度增强极限
`0.01`（默认）|在[0,1]范围内的数字

`NBins`—用于构建对比度增强转换的直方图箱数
`256`（默认）|正整数

`范围`—输出数据范围
`“全部”`（默认）|`“原始”`

`分布`—期望的直方图形状
`“制服”`（默认）|`“瑞利”`|`“指数型”`

`阿尔法`—分布参数
`０．４`（默认）|非负数

输出参数

`J`-对比度增强图像
二维矩阵

算法

参考文献

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另见

图像处理工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

adapthisteq

语法

描述

例子

应用对比度受限自适应直方图均衡化（CLAHE）

应用clhe索引彩色图像

输入参数

我—灰度图像二维数值矩阵

名称值参数

珠子—瓷砖数量[8,8]（默认）|正整数的2元向量

克里普利米特—对比度增强极限0.01（默认）|在[0,1]范围内的数字

NBins—用于构建对比度增强转换的直方图箱数256（默认）|正整数

范围—输出数据范围“全部”（默认）|“原始”

分布—期望的直方图形状“制服”（默认）|“瑞利”|“指数型”

阿尔法—分布参数０．４（默认）|非负数

输出参数

J-对比度增强图像二维矩阵

算法

参考文献

扩展能力

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

另见

图像处理工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

`我`—灰度图像
二维数值矩阵

`珠子`—瓷砖数量
`[8,8]`（默认）|正整数的2元向量

`克里普利米特`—对比度增强极限
`0.01`（默认）|在[0,1]范围内的数字

`NBins`—用于构建对比度增强转换的直方图箱数
`256`（默认）|正整数

`范围`—输出数据范围
`“全部”`（默认）|`“原始”`

`分布`—期望的直方图形状
`“制服”`（默认）|`“瑞利”`|`“指数型”`

`阿尔法`—分布参数
`０．４`（默认）|非负数

`J`-对比度增强图像
二维矩阵

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。