4、自适应直方图均衡化（CLAHE）：避免过曝的局部增强
直方图均衡化（HE）大家应该都熟悉，简单粗暴地把整张图的灰度分布拉平。但有个问题——它是对全局操作的。你想想看，一张照片里既有明亮的天空，又有阴暗的角落，全局均衡化往往会让亮部更亮，暗部更暗，甚至出现局部过曝。
我最早做手机相机算法时，就踩过这个坑。一张夜景人像，背景灯光已经够亮了，一用全局HE，人脸倒是清楚了，背景灯光直接糊成一片白。嗯，那时候我就意识到：局部增强才是王道。
CLAHE 的核心思想
CLAHE 的全称是 Contrast Limited Adaptive Histogram Equalization，翻译过来就是「对比度受限的自适应直方图均衡化」。名字很长，但拆开看就明白了：
- 自适应：把图像分成一个个小块（tile），每个块单独做均衡化
- 对比度受限：限制每个灰度级的增益，防止噪声被放大
- 直方图均衡化：本质还是做直方图拉伸
说白了，就是把一张大图切成很多小格子，每个格子自己玩自己的均衡化。但为了防止相邻格子之间出现明显的「格子效应」，最后还要做双线性插值来平滑过渡。
关键区别：全局HE看的是整张图的统计特性，CLAHE看的是局部区域的统计特性。所以CLAHE能保留细节，不会让亮部过曝。
对比度限制是怎么回事？
这里有个细节值得单独拿出来说。普通的自适应直方图均衡化（AHE）其实很早就有，但有个致命问题——它会放大噪声。为什么？
因为局部区域如果灰度分布很集中（比如一块纯色区域），直方图会非常尖锐。均衡化时，为了把尖峰拉平，会给这些灰度级分配很大的增益。结果就是：原本均匀的区域出现了明显的颗粒感。
CLAHE 的做法是：设定一个阈值（clip limit），把直方图中超过阈值的部分「剪掉」，然后均匀地重新分配到所有灰度级上。这样一来，增益就被限制住了。
我在项目中遇到过一张医学X光片，背景区域几乎全是均匀的灰色。如果用AHE，背景噪声会变得非常刺眼。换成CLAHE后，对比度限制在2.0左右，噪声就压下去了，病灶区域反而更清晰。
我的习惯：clip limit 一般从 2.0 开始调。太大会有噪声，太小又没效果。对于自然图像，2.0~4.0 是比较安全的范围。
CLAHE 的完整流程
为了让你更直观地理解，我画了一张流程图。这张图展示了CLAHE从输入到输出的完整处理链路：
代码实现：OpenCV 实战
OpenCV 里已经封装好了 CLAHE，直接用 cv2.createCLAHE() 就行。我贴一段我常用的代码，注释写得很清楚：
import cv2
import numpy as np
# 读取图像（这里以灰度图为例）
img = cv2.imread('selfie.jpg', cv2.IMREAD_GRAYSCALE)
# 创建CLAHE对象
# clipLimit：对比度限制阈值，默认40.0
# tileGridSize：分块大小，默认8×8
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
# 应用CLAHE
enhanced = clahe.apply(img)
# 如果是彩色图像，建议在Lab空间处理
# 只对L通道做CLAHE，保留a、b通道
img_color = cv2.imread('selfie.jpg')
lab = cv2.cvtColor(img_color, cv2.COLOR_BGR2LAB)
l, a, b = cv2.split(lab)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
l_enhanced = clahe.apply(l)
lab_enhanced = cv2.merge([l_enhanced, a, b])
result = cv2.cvtColor(lab_enhanced, cv2.COLOR_LAB2BGR)
# 保存结果
cv2.imwrite('selfie_enhanced.jpg', result)我曾经犯过的错：直接在RGB三个通道上分别做CLAHE。结果颜色严重失真，人脸变成了「阿凡达」。记住：彩色图像一定要在亮度通道上做，Lab或YUV空间都行。
参数调优指南
参数怎么调？我整理了一张表，方便你对照着用：
| 参数 | 推荐值 | 场景说明 |
|---|---|---|
| clipLimit | 2.0 ~ 4.0 | 自然图像用2.0，医学图像可适当提高到3.0~4.0 |
| tileGridSize | (8,8) 或 (16,16) | 8×8细节保留更好，16×16更平滑 |
| nbins | 256 | 一般不用改，除非你想做量化实验 |
我个人习惯是：先固定 tile 为 8×8，然后从 clipLimit=2.0 开始试。如果发现局部有「光晕」或「块状感」，就把 tile 调大一点到 16×16。如果噪声明显，就降低 clipLimit。
避坑指南
最后分享几个我踩过的坑：
- 不要对过暗图像直接用CLAHE：如果图像整体很暗，CLAHE会放大暗部噪声。建议先做一次伽马校正，再做CLAHE。
- 分块大小不是越小越好：tile 太小（比如 4×4），每个块里的像素太少，统计意义不大，反而会出现奇怪的纹理。
- 视频处理要注意闪烁：如果对视频逐帧做CLAHE，相邻帧的参数不一致会导致亮度闪烁。解决办法是固定参数，或者做时域滤波。
嗯，CLAHE 的内容就这些。它不是什么高深的技术，但用好了确实能让自拍更自然——既不会过曝，也不会丢失暗部细节。下次你拍夜景人像时，不妨试试看。