📚 课程目录第4章自适应直方图均衡化(AHE)

4. 自适应直方图均衡化(AHE)：局部对比度增强、分块策略、块效应问题

直方图均衡化（HE）大家应该都熟悉，它对整张图做全局映射。但在低光照场景下，全局处理往往顾此失彼——暗部细节刚拉起来，亮部就已经过曝了。这时候，自适应直方图均衡化（AHE）就派上了用场。

说白了，AHE 的核心思想就是：不看全局，只看局部。每个像素的映射函数只由它周围一个小窗口决定。这样，暗区的对比度能独立增强，亮区也不会被过度拉伸。

  核心公式（局部映射）：

  对于像素 (x, y)，以其为中心的邻域窗口 W 内，计算局部直方图 h_W，然后做 CDF 映射：

  g(x, y) = round( (L-1) * CDF_W( f(x, y) ) )

  其中 L 是灰度级数（通常 256），CDF_W 是窗口内的累积分布函数。

4.1 分块策略：如何划分局部窗口

AHE 的第一步就是决定“局部”有多大。我习惯把这个问题拆成两个参数：窗口大小和滑动步长。

窗口大小	效果特点	适用场景
8×8 或 16×16	对比度极强，噪声放大明显	纹理丰富、噪声低的图像
32×32	平衡对比度与噪声	大多数低光照场景（默认推荐）
64×64 或更大	接近全局 HE，局部细节丢失	光照均匀、只需微调的场景

我在项目中遇到过一个问题：窗口太小，结果把传感器噪声也当成细节给放大了，整张图全是颗粒感。嗯，这里要注意——窗口越小，局部统计越不稳定，噪声越容易被当成信号。

4.2 块效应问题：为什么会有？怎么解决？

如果你直接用不重叠的块做 AHE，会发现图像上出现明显的棋盘格。这就是块效应。为什么会这样？

因为相邻块的直方图分布不同，映射函数也不同。同一个灰度值，在左边块被映射成 200，在右边块被映射成 180，边界处自然就出现了跳变。

避坑指南： 我曾经在安防监控项目里直接用了 16×16 不重叠块做 AHE，结果画面里人脸像打了马赛克。后来才意识到，块效应在平滑区域尤其明显——因为平滑区域灰度变化小，映射差异更容易被肉眼察觉。

解决块效应，主流方法有两种：

双线性插值（Bilinear Interpolation）：每个像素的映射值由周围 4 个块的映射结果加权平均得到。权重由像素到块中心的距离决定。这是最常用的方法，计算量可控，效果也不错。
重叠块（Overlapping Blocks）：每个像素都以其为中心计算一次直方图。效果最好，但计算量巨大——每像素都要做一次直方图统计，基本不实用。

实际工程中，几乎都用双线性插值。我一般把块大小设为 32×32，然后对每个像素做双线性插值，基本看不到块效应。

4.3 AHE 的完整流程

下面这张图展示了 AHE 从输入到输出的核心流程：

4.4 代码实战：OpenCV 中的 CLAHE

实际开发中，我们很少手写 AHE。OpenCV 提供了 createCLAHE 接口，它其实是 AHE 的改进版——限制对比度自适应直方图均衡化（CLAHE）。CLAHE 在 AHE 的基础上加了一个对比度裁剪步骤，防止噪声被过度放大。

import cv2
import numpy as np

# 读取低光照图像
img = cv2.imread('low_light.jpg', 0)

# 创建 CLAHE 对象
# clipLimit: 对比度裁剪阈值，越大对比度越强
# tileGridSize: 分块大小，必须为整数
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

# 应用 CLAHE
result = clahe.apply(img)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('CLAHE', result)
cv2.waitKey(0)

参数调优建议：

clipLimit：我一般从 2.0 开始调。如果噪声明显，降到 1.0；如果对比度不够，升到 3.0~4.0。超过 5.0 基本就会看到明显的噪声放大。
tileGridSize：8×8 适合细节丰富的场景，16×16 更平滑。对于 1080P 图像，我常用 16×16。

4.5 AHE 与 CLAHE 的对比

特性	AHE	CLAHE
对比度增强	强，但可能过度	可控，有裁剪限制
噪声放大	严重	明显抑制
块效应	需要插值处理	内置插值，基本无块效应
计算复杂度	中等	略高（多了裁剪步骤）
工程推荐度	不推荐直接使用	强烈推荐

你想想看，如果 AHE 是“野蛮生长”，那 CLAHE 就是“有管理的增长”。它把对比度限制在一个范围内，不让任何一个灰度级被过度拉伸。这也是为什么 CLAHE 成为工业界事实标准的原因。

注意： CLAHE 虽然好，但不是万能的。在极低光照（平均灰度 < 20）下，CLAHE 也会放大传感器噪声。这时候需要先做去噪（如双边滤波或非局部均值去噪），再做 CLAHE。我一般会串起来用：
去噪 → CLAHE → 锐化

好了，AHE 和 CLAHE 的核心内容就这些。记住一句话：局部对比度增强的关键在于“分块”和“限制”。分块大小决定细节保留程度，对比度限制决定噪声控制能力。这两个参数调好了，低光照图像的质量能上一个台阶。