第三章 限制对比度自适应直方图均衡化（CLAHE）
直方图均衡化（HE）大家应该都熟悉，简单粗暴地把灰度分布拉平。但用在去雾上，效果往往不太理想——天空区域容易过曝，噪声也被放大。我刚开始做去雾时也踩过这个坑，后来换成 CLAHE，效果才真正能看。
CLAHE 的全称是 Contrast Limited Adaptive Histogram Equalization。说白了，就是给直方图均衡化加了两个约束：局部处理和对比度限制。这两个改进，正好解决了传统 HE 的两大痛点。
核心思想：把图像分成小块，每块单独做直方图均衡化，同时限制每个灰度级的增益幅度，避免噪声被过度放大。
3.1 CLAHE 原理：为什么它能去雾？
雾天图像的特点是：整体对比度低，但不同区域的雾浓度不一样。远处山体雾重，近处树木雾轻。如果用全局 HE，近处细节可能被过度增强，远处却还是灰蒙蒙的。
CLAHE 的做法是——把图像切成一个个小方块（Tile），每个方块独立做均衡化。这样，近处和远处就能得到不同的增强力度。你想想看，这就像给不同区域配了不同的“眼镜”，度数自己调。
但问题来了：如果某个小方块内像素值高度集中（比如全是天空），直方图均衡化会把一个窄峰强行拉平，结果就是噪声被放大到离谱。我遇到过这种情况，处理后的天空全是颗粒感，像老电视的雪花屏。
所以 CLAHE 加了一个关键机制——裁剪限幅。它设定一个阈值（ClipLimit），超过这个阈值的像素不直接分配，而是均匀地重新分配到所有灰度级上。这样既保留了对比度增强的效果，又不会让噪声失控。
我的经验：去雾场景下，ClipLimit 通常设在 0.01~0.05 之间。太小了没效果，太大了噪声就出来了。我一般从 0.02 开始试，再根据结果微调。
3.2 两个核心参数：ClipLimit 和 TileSize
CLAHE 就两个参数要调，但调好了，效果天差地别。我花了不少时间在这上面，下面把经验总结一下。
| 参数 | 含义 | 典型范围 | 对去雾的影响 |
|---|---|---|---|
| ClipLimit | 对比度限制阈值，控制每个灰度级的最大增益 | 0.01 ~ 0.1 | 值越大，对比度增强越强，但噪声也越明显 |
| TileSize | 局部处理窗口的大小（像素） | [8 8] ~ [64 64] | 值越小，局部适应性越强，但计算量增大 |
ClipLimit 详解
ClipLimit 的取值范围是 0 到 1，表示相对于直方图总像素数的比例。举个例子：一个 8×8 的 Tile 有 64 个像素，如果 ClipLimit=0.02，那么每个灰度级最多允许 64×0.02≈1.28 个像素。超过的部分会被裁剪并重新分配。
我个人的习惯是：
- 轻度去雾：ClipLimit=0.01，适合雾比较薄的情况
- 中度去雾：ClipLimit=0.03，大多数场景的默认值
- 重度去雾：ClipLimit=0.05，雾很浓时使用，但要注意噪声
避坑指南：我曾经在一个工业检测项目里把 ClipLimit 设到 0.1，结果图像出现了明显的块状伪影。后来才发现，ClipLimit 太大时，每个 Tile 内部的对比度被过度拉伸，Tile 之间的边界就暴露出来了。解决办法是降低 ClipLimit，或者增大 TileSize。
TileSize 详解
TileSize 决定了 CLAHE 的“局部性”有多强。值越小，每个 Tile 覆盖的区域越小，对局部细节的适应性越好。但 Tile 太小，统计信息就不够可靠，而且计算量会翻倍。
我常用的几个配置：
- [8 8]：精细处理，适合细节丰富的图像，但速度慢
- [16 16]：平衡方案，大多数场景的首选
- [32 32]：接近全局 HE，速度快，但局部适应性差
- [64 64]：基本退化为普通 HE，不推荐用于去雾
嗯，这里要注意：TileSize 最好是 2 的幂次，这样 MATLAB 的底层优化才能发挥出来。我试过 [15 15]，速度明显比 [16 16] 慢一截。
3.3 MATLAB 实现：从函数到实战
MATLAB 里 CLAHE 的实现非常方便，核心函数就是 adapthisteq。没错，就是 Adaptive Histogram Equalization 的缩写。下面我给出一个完整的去雾示例。
% 读取雾天图像
I = imread('foggy_scene.jpg');
% 如果是彩色图像，先转到 Lab 色彩空间
% 只对亮度通道做 CLAHE，保留颜色信息
if size(I, 3) == 3
lab = rgb2lab(I);
L = lab(:,:,1) / 100; % 归一化到 [0,1]
% CLAHE 处理亮度通道
L_enhanced = adapthisteq(L, ...
'NumTiles', [16 16], ...
'ClipLimit', 0.03, ...
'NBins', 256, ...
'Range', 'full', ...
'Distribution', 'uniform');
lab(:,:,1) = L_enhanced * 100;
I_enhanced = lab2rgb(lab);
else
% 灰度图像直接处理
I_enhanced = adapthisteq(I, ...
'NumTiles', [16 16], ...
'ClipLimit', 0.03);
end
% 显示结果
figure;
subplot(1,2,1); imshow(I); title('原始雾图');
subplot(1,2,2); imshow(I_enhanced); title('CLAHE 去雾结果');这里有几个关键点：
- 色彩空间选择：我强烈建议在 Lab 空间只处理 L 通道。直接在 RGB 三个通道分别做 CLAHE，颜色会严重失真。我刚开始犯过这个错，出来的图像像调色盘打翻了。
- NBins 参数：直方图的灰度级数，默认 256 就够用。降低到 128 可以提速，但精度会下降。
- Distribution 参数：我一般用 'uniform'，即均匀分布。'rayleigh' 和 'exponential' 适合特殊场景，比如医学图像。
3.4 参数调优：我的实战策略
调参这件事，说白了就是试错。但有个系统性的方法，能帮你少走弯路。下面是我总结的调优流程：
- 固定 TileSize 为 [16 16]：这是最稳妥的起点，大多数场景都适用。
- 从 ClipLimit=0.01 开始：逐步增加到 0.05，每次增加 0.01，观察效果。
- 如果出现块状伪影：降低 ClipLimit 或增大 TileSize 到 [32 32]。
- 如果细节增强不足：减小 TileSize 到 [8 8]，同时适当提高 ClipLimit。
- 如果噪声明显：先降 ClipLimit，再考虑加一个高斯滤波后处理。
我的小技巧：调参时不要只看视觉效果，可以算一下图像的熵（entropy）和对比度（contrast）。熵值越高，说明细节越丰富；对比度适中，说明没有过度增强。这两个指标能帮你量化判断。
3.5 CLAHE 去雾的局限性
CLAHE 不是万能的。我遇到过几种情况，它表现不佳：
- 浓雾场景：当雾浓度极高时，CLAHE 只能恢复局部对比度，但无法消除雾的“白茫茫”底色。这时候需要配合大气光模型。
- 大块天空区域：天空本身是平滑的，CLAHE 可能会把微小的亮度变化放大，产生不自然的纹理。
- 计算速度：TileSize 设得太小，处理一张 1920×1080 的图像可能要好几秒，不适合实时应用。
但话说回来，CLAHE 作为去雾的预处理或后处理步骤，效果非常稳定。我现在的做法是：先用暗通道先验做粗去雾，再用 CLAHE 做细节增强。两者互补，效果比单独用任何一个都好。
这张图把 CLAHE 去雾的流程串起来了。从输入到输出，核心就是分块、裁剪、重分配三步。参数调优就是在这三步里找平衡点。
好了，CLAHE 的内容就到这里。记住一句话：没有最好的参数，只有最适合你场景的参数。多试几次，你就能找到手感。