直方图均衡简单、高效；但是，图像中不同的区域灰度分布相差甚远，对它们使用同一种变换常常产生不理想的效果；实际应用中，常常需要增强图像的某些局部区域的细节。为了解决这类问题，Pizer等提出了局部直方图均衡化的方法(AHE)；AHE方法仅仅考虑了局部区域的像素，忽略了图像其他区域的像素，且对于图像中相似区域具有过度放大噪声的缺点；K. Zuiderveld等人提出了对比度受限CLAHE的图像增强方法；通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过增强；也可以
转一篇CLAHE算法的贴子，涨下见识！原文出处：https://www.cnblogs.com/jsxyhelu/p/6435601.html?utm_source=debugrun&utm_medium=referral CLAHE算法对于医学图像，特别是医学红外图像的增强效果非常明显。CLAHE https://en.wikipedia.org/wiki/Adaptive_histogram_equalization中文方面非常好的资料 限制对比度自适
直线拟合 矩阵实现2021-02-24 08:44:33
转一篇矩阵做最小二乘法的贴子：https://blog.csdn.net/wuan584974722/article/details/53670878对于我们孤立的点的集合，我们可以使用矩阵求最小二乘法最优解。 //对于我们孤立的点的集合，我们可以使用矩阵求最小二乘法最优解。
create_matrix(|ColumnEdageArr|,2,1,MatrixIDA)
create_mat
此实例通过使用Halcon实现5种清晰度算法函数：1. 方差算法函数；2. 拉普拉斯能量函数；3. 能量梯度函数；4. Brenner函数；5. Tenegrad函数；测试效果如下图片；找到峰值对应的那张图，确实是最清晰的那张；使用直方图显示清晰度结果，如果有更好的方法，那就跟帖回复吧。此实例有HalconBBS群友提供！*evaluate_definition的使用例子
*使用halcon自带的图片
*实现了五种评价函数，
*选择算子的Method值，可以观察不同评价函数的效果。
re
这是一篇转载贴子：https://blog.csdn.net/wuan584974722/article/details/53764769 此文章对应的是类似于Retinex算法，见贴子： https://www.skcircle.com/?id=320 **********************************
*何凯明博士去雾算法代码实现
*论文：<<Single Image Haze Removal Using&nb