### Python实现夜间图像局部对比度增强代码 以下是针对夜间图像进行局部对比度增强的一种有效方法——基于直方图均衡化的CLAHE（Contrast Limited Adaptive Histogram Equalization）算法的Python实现。此方法可以显著提升图像暗区的可见性，同时避免亮度过高的区域过曝[^3]。 ```python import cv2 import numpy as np import matplotlib.pyplot as plt def enhance_local_contrast(image_path, clip_limit=2.0, grid_size=(8, 8)): """ 使用CLAHE算法对夜间图像进行局部对比度增强。 参数: image_path (str): 输入图像路径。 clip_limit (float): CLAHE剪切限值，默认为2.0。 grid_size (tuple): 划分子网格大小，默认为(8, 8)。 返回: enhanced_image (numpy.ndarray): 增强后的图像。 """ # 加载图像并转换为YUV颜色空间 original_image = cv2.imread(image_path) yuv_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2YUV) # 将亮度通道分离出来 y_channel, u_channel, v_channel = cv2.split(yuv_image) # 创建CLAHE对象 clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=grid_size) # 应用CLAHE到亮度通道 clahed_y_channel = clahe.apply(y_channel) # 合并处理后的亮度通道和其他两个颜色通道 enhanced_yuv_image = cv2.merge((clahed_y_channel, u_channel, v_channel)) # 转换回BGR颜色空间 enhanced_bgr_image = cv2.cvtColor(enhanced_yuv_image, cv2.COLOR_YUV2BGR) return enhanced_bgr_image # 主程序部分 if __name__ == "__main__": input_image_path = 'night_scene.jpg' # 替换为实际路径 output_image_path = 'enhanced_night_scene.jpg' # 执行局部对比度增强 enhanced_image = enhance_local_contrast(input_image_path, clip_limit=3.0, grid_size=(8, 8)) # 显示原图和增强后的图像 fig, axes = plt.subplots(1, 2, figsize=(10, 5)) original_image = cv2.imread(input_image_path) original_image_rgb = cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB) enhanced_image_rgb = cv2.cvtColor(enhanced_image, cv2.COLOR_BGR2RGB) axes[0].imshow(original_image_rgb) axes[0].set_title("Original Image") axes[0].axis('off') axes[1].imshow(enhanced_image_rgb) axes[1].set_title("Enhanced Image") axes[1].axis('off') plt.show() # 保存增强后的图像 cv2.imwrite(output_image_path, enhanced_image) ``` #### 关键说明 - **CLAHE算法**: 它是一种改进版的直方图均衡化技术，通过对图像划分为若干个小块分别执行直方图均衡化操作，在保持整体对比度的同时增强了局部细节[^3]。 - **参数解释**: - `clip_limit`: 控制对比度增强的程度；较高的值可能导致过度增强而引入伪影。 - `grid_size`: 表示划分的小块数量，较大的尺寸会降低局部效果但更接近全局均衡化[^3]。 ---