Categorias

← View All Tools

Equalização de Histograma CLAHE

Aplicar equalização de histograma adaptativa com limitação de contraste para melhoria de contraste local

Click to upload file or drag and drop file here

Maximum file size: 20MB Supported formats: image/jpeg, image/png, image/webp, image/gif, image/bmp, image/tiff

Carregue qualquer arquivo de imagem (JPEG, PNG, WebP, GIF, BMP, TIFF) para aplicar equalização de histograma CLAHE

4 64 256

Tamanho dos ladrilhos para equalização de histograma local. Ladrilhos menores fornecem mais melhoria de contraste local

1 3 10

Limite de amplificação de contraste. Valores mais altos permitem melhoria de contraste mais forte mas podem amplificar ruído

0.001 0.01 0.1

Limite de amplificação de brilho. Valores mais baixos previnem super-amplificação de áreas brilhantes

2 8 16

Número de divisões de grade. Valores mais altos criam mais ladrilhos para melhoria local mais fina

Escolha formato de saída ou mantenha original. PNG recomendado para qualidade máxima

Qualidade de saída para formatos com perda (JPEG, WebP). Maior = melhor qualidade mas arquivo maior

Fatos principais

Categoria
Design
Tipos de entrada
file, range, select, number
Tipo de saída
file
Cobertura de amostras
4
API disponível
Yes

Visão geral

A ferramenta de Equalização de Histograma CLAHE permite aprimorar o contraste local de suas imagens de forma inteligente, utilizando a técnica de contraste adaptativo limitado para revelar detalhes ocultos em áreas sub ou superexpostas sem amplificar ruídos indesejados.

Quando usar

  • •Quando uma imagem possui áreas muito escuras ou claras que escondem detalhes importantes.
  • •Para melhorar a visibilidade de texturas e padrões em fotografias médicas ou científicas.
  • •Ao precisar ajustar o contraste de forma localizada em vez de aplicar uma correção global que pode distorcer a imagem.

Como funciona

  • •Carregue o arquivo de imagem desejado (JPEG, PNG, WebP, etc.) na ferramenta.
  • •Ajuste o tamanho do ladrilho e o limite de contraste para definir a intensidade da correção local.
  • •Configure o formato de saída e a qualidade, se necessário, para otimizar o arquivo final.
  • •Clique em processar para aplicar o algoritmo CLAHE e baixar a imagem aprimorada.

Casos de uso

Recuperação de detalhes em fotografias de baixa iluminação ou com sombras profundas.
Processamento de imagens de satélite ou médicas para destacar estruturas de baixo contraste.
Melhoria de visibilidade em imagens digitalizadas de documentos antigos ou desbotados.

Exemplos

1. Recuperação de Detalhes em Fotos Noturnas

Fotógrafo amador
Contexto
Uma foto tirada à noite apresenta áreas muito escuras onde detalhes importantes do cenário foram perdidos.
Problema
O contraste global não consegue clarear as sombras sem estourar as luzes da imagem.
Como usar
Carregue a foto, defina um tamanho de ladrilho de 32 e um limite de contraste moderado de 2.0.
Configuração de exemplo
tileSize: 32, contrastLimit: 2.0
Resultado
As áreas sombreadas tornam-se visíveis e detalhadas, mantendo a integridade das luzes da cena.

2. Otimização de Imagens Médicas

Pesquisador
Contexto
Imagens de exames possuem baixo contraste, dificultando a análise visual de estruturas específicas.
Problema
A necessidade de realçar variações sutis de cinza em áreas específicas da imagem.
Como usar
Utilize um tamanho de grade maior (12) e um limite de contraste mais alto para forçar a separação de tons.
Configuração de exemplo
gridSize: 12, contrastLimit: 5.0
Resultado
Aumento significativo na definição das bordas e texturas, facilitando a identificação de padrões clínicos.

Testar com amostras

image, png, jpg
Exemplos de Processamento de Imagem Windows C++
Exemplos de processamento de imagem Windows C++ incluindo ler/salvar imagens, redimensionamento e conversão de formato usando Windows Imaging Component
preferred input family image
image
Exemplos de Processamento de Imagem Web Rust
Exemplos de processamento de imagem Web Rust incluindo leitura/gravação, redimensionamento e conversão de formato
preferred input family image
image
Processamento de Imagem macOS Objective-C - Exemplos
Exemplos de processamento de imagem macOS Objective-C incluindo leitura/escrita de imagem, redimensionamento de imagem e conversão de formato
preferred input family image
image
Exemplos de Processamento de Imagem Web Python
Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato
preferred input family image
image

Hubs relacionados

Ferramentas de Image
Explore 40 ferramentas de image para fluxos de utility e encontre utilitários próximos com rapidez.
Ferramentas de Image para Convert
Explore 100 ferramentas de image para fluxos de convert e encontre utilitários próximos com rapidez.

FAQ

O que é CLAHE?

CLAHE significa 'Contrast Limited Adaptive Histogram Equalization'. É um algoritmo que melhora o contraste local dividindo a imagem em pequenas regiões (ladrilhos) e equalizando cada uma individualmente.

Por que usar CLAHE em vez de um ajuste de contraste comum?

O ajuste comum altera a imagem inteira da mesma forma. O CLAHE atua localmente, permitindo que detalhes em sombras ou luzes intensas sejam recuperados sem afetar o equilíbrio geral da imagem.

O que acontece se eu aumentar muito o limite de contraste?

Um limite de contraste muito alto pode amplificar ruídos digitais presentes na imagem original, resultando em uma aparência granulada ou artificial.

Quais formatos de arquivo são suportados?

A ferramenta suporta os principais formatos de imagem, incluindo JPEG, PNG, WebP, GIF, BMP e TIFF.

O tamanho do ladrilho afeta o resultado?

Sim. Ladrilhos menores focam em detalhes muito finos e locais, enquanto ladrilhos maiores proporcionam uma correção de contraste mais suave e abrangente.

Documentação da API

Ponto final da solicitação

POST /pt/api/tools/image-clahe

Parâmetros da solicitação

Nome do parâmetro Tipo Requerido Descrição
imageFile file (Upload necessário) Sim Carregue qualquer arquivo de imagem (JPEG, PNG, WebP, GIF, BMP, TIFF) para aplicar equalização de histograma CLAHE
tileSize range Não Tamanho dos ladrilhos para equalização de histograma local. Ladrilhos menores fornecem mais melhoria de contraste local
contrastLimit range Não Limite de amplificação de contraste. Valores mais altos permitem melhoria de contraste mais forte mas podem amplificar ruído
brightnessLimit range Não Limite de amplificação de brilho. Valores mais baixos previnem super-amplificação de áreas brilhantes
gridSize range Não Número de divisões de grade. Valores mais altos criam mais ladrilhos para melhoria local mais fina
format select Não Escolha formato de saída ou mantenha original. PNG recomendado para qualidade máxima
quality number Não Qualidade de saída para formatos com perda (JPEG, WebP). Maior = melhor qualidade mas arquivo maior

Os parâmetros de tipo arquivo precisam ser carregados primeiro via POST /upload/image-clahe para obter filePath, depois filePath deve ser passado ao campo de arquivo correspondente.

Formato de resposta

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Arquivo: Arquivo

Documentação de MCP

Adicione este ferramenta à sua configuração de servidor MCP: 

{
  "mcpServers": {
    "elysiatools-image-clahe": {
      "name": "image-clahe",
      "description": "Aplicar equalização de histograma adaptativa com limitação de contraste para melhoria de contraste local",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=image-clahe",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Você pode encadear várias ferramentas, ex: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, máx 20 ferramentas.

Suporta links de arquivos URL ou codificação Base64 para parâmetros de arquivo.

Se você encontrar algum problema, por favor, entre em contato conosco em [email protected]