自适应直方图均衡化（AHE）算法

Question

我一直在尝试找到执行全自适应直方图均衡化的算法（不使用插值）。但是，似乎我仍然缺少一些内容，无法得到正确的结果图像。

以下是我遵循的步骤，希望有人能够指出其中缺少了什么：

1. 输入灰度图像（0-255）。 2. 创建一个超大的图像，并在边界附近镜像值，以避免边界和角落的特殊情况。（如本文第20页所提出的：自适应直方图均衡化并行实现） 3. 为源图像中的每个像素初始化一个等级0。 4. 对于源图像中的每个像素，在其局部区域内查找其等级（局部区域大小将作为输入给出）。 像素等级是局部区域中小于中心像素（我们正在源图像上循环的像素）的像素数量。 5. 通过以下公式计算新像素值：Rank *（最大强度=255）/（局部区域中的像素数）

按照这些步骤进行操作，对于30x30局部区域窗口大小，会得到以下输出：

原始图像：

输出：

我希望在以下问题上得到指导，了解我在这里缺少了什么。

- Elia

---

当我要在这里添加代码的一部分时，我最后一次在新的测试图像上尝试了一下，它奏效了。问题是上面的图像有两行不应该存在的灰色像素（使用剪贴工具获取图像时，可能将一些外部边框与其一起剪切）。上述算法完美地运行。 - Elia

你能否发布一些代码来展示你的实现方式？我正在尝试做类似的事情，但在尝试切割图像时遇到了瓶颈。 - user2808264

我正在尝试做类似的事情。您能否提供一些建议呢？ 我已经在http://stackoverflow.com/questions/43580776/parallel-implementation-of-adaptive-histogram-equalization发布了我的问题。 - user2808264

Answer 1

我们可以使用以下的python代码来实现上述的AHE算法，如果需要并行化版本，请参考这篇论文。这里的wsz是上下文窗口大小参数。

def AHE(im, wsz=8):    
    h, w = im.shape
    out = np.zeros(im.shape) # Declare output variable
    im = np.pad(im.copy(), ((wsz//2, wsz//2), (wsz//2, wsz//2)), mode = 'reflect')
    for x in range(wsz//2, h + wsz//2):
        for y in range(wsz//2, w + wsz//2):
            blk = im[x-wsz//2:x+wsz//2, y-wsz//2:y+wsz//2]
            rank = np.sum(im[x, y] > blk)
            out[x - wsz//2, y - wsz//2] = rank * 255 / wsz**2
    return out

并获得以下输出结果（使用wsz=50）：

- Sandipan Dey