图像处理中，直方图均衡化（Histogram Equalization, HE）是一种提升图像对比度的有效方法。通过调整像素值分布，可以使图像更加清晰。简单来说，它能将灰度分布拉伸到整个范围，让暗处更暗、亮处更亮，从而增强细节。用Python实现这一功能非常方便，只需利用`OpenCV`库即可完成。代码简洁高效，适合初学者快速上手。

而对于局部直方图均衡化，则是在小区域内分别进行均衡化处理，避免全局方法可能导致的噪声放大问题。例如，在一张包含多种光照条件的照片中，局部均衡化能更好地平衡不同区域的亮度差异。结合滑动窗口技术，这种方法在实际应用中表现优异。

无论是普通HE还是局部HE，都能显著改善图像质量。想尝试的朋友可以动手写一段代码试试哦！👇

```python

import cv2

import numpy as np

加载图片

img = cv2.imread('example.jpg', 0)

全局直方图均衡化

equ = cv2.equalizeHist(img)

局部直方图均衡化

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

cl1 = clahe.apply(img)

cv2.imshow('Original', img)

cv2.imshow('Global HE', equ)

cv2.imshow('Local HE', cl1)

cv2.waitKey(0)

```

快去试试吧！💡

标 签：