常用图像增强算法介绍
1、对数图像增强算法
对数图像增强是图像增强的一种常见方法,其公式为: S = c log(r+1),其中c是常数(以下算法c=255/(log(256)),这样可以实现整个画面的亮度增大。
- void LogEnhance(IplImage* img, IplImage* dst)
- {
- // 由于oldPixel:[1,256],则可以先保存一个查找表
- uchar lut[256] ={0};
- double temp = 255/log(256);
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp* log(i+1)+0.5);
- }
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
2、指数图像增强算法
指数图像增强的表达为:S = cR^r,通过合理的选择c和r可以压缩灰度范围,算法以c=1.0/255.0, r=2实现。
- void ExpEnhance(IplImage* img, IplImage* dst)
- {
- // 由于oldPixel:[1,256],则可以先保存一个查找表
- uchar lut[256] ={0};
- double temp = 1.0/255.0;
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp*i*i+0.5);
- }
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
在日常中有时候保密或其他需要将图像马赛克,下面的算法实现图像马赛克功能(原理:用中心像素来表示邻域像素)。
- uchar getPixel( IplImage* img, int row, int col, int k)
- {
- return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
- }
- void setPixel( IplImage* img, int row, int col, int k, uchar val)
- {
- ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
- }
- // nSize:为尺寸大小,奇数
- // 将邻域的值用中心像素的值替换
- void Masic(IplImage* img, IplImage* dst, int nSize)
- {
- int offset = (nSize-1)/2;
- for ( int row = offset; row <img->height - offset; row= row+offset)
- {
- for( int col= offset; col<img->width - offset; col = col+offset)
- {
- int val0 = getPixel(img, row, col, 0);
- int val1 = getPixel(img, row, col, 1);
- int val2 = getPixel(img, row, col, 2);
- for ( int m= -offset; m<offset; m++)
- {
- for ( int n=-offset; n<offset; n++)
- {
- setPixel(dst, row+m, col+n, 0, val0);
- setPixel(dst, row+m, col+n, 1, val1);
- setPixel(dst, row+m, col+n, 2, val2);
- }
- }
- }
- }
- }
对于曝光过度问题,可以通过计算当前图像的反相(255-image),然后取当前图像和反相图像的较小者为当前像素位置的值。
- // 过度曝光原理:图像翻转,然后求原图与反图的最小值
- void ExporeOver(IplImage* img, IplImage* dst)
- {
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- uchar t2 = 255 - t1;
- dstData[col*img->nChannels+k] = min(t1,t2);
- }
- }
- }
- }
5、高反差保留
高反差保留主要是将图像中颜色、明暗反差较大两部分的交界处保留下来,比如图像中有一个人和一块石头,那么石头的轮廓线和人的轮廓线以及面部、服装等有明显线条的地方会变被保留,儿其他大面积无明显明暗变化的地方则生成中灰色。其表达形式为:dst = r*(img - Blur(img))。
- Mat HighPass(Mat img)
- {
- Mat temp;
- GaussianBlur(img, temp,Size(7,7),1.6,1.6);
- int r=3;
- Mat diff = img + r*(img-temp); //高反差保留算法
- return diff;
- }
测试代码:
- int main(int argc, char* argv[])
- {
- const char* Path = "E:\\22.bmp";
- IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);
- IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);
- cout<<"输入你要选择的操作:"<<endl;
- cout<<"1、曝光过度"<<endl;
- cout<<"2、加马赛克"<<endl;
- cout<<"3、对数增强"<<endl;
- cout<<"4、指数增强"<<endl;
- cout<<"请输入你的选择:";
- int choice = 1;
- cin>>choice;
- switch (choice)
- {
- case 1:
- ExporeOver(img, dst);
- break;
- case 2:
- Masic(img, dst, 21);
- break;
- case 3:
- LogEnhance(img, dst);
- break;
- case 4:
- ExpEnhance(img, dst);
- break;
- default:
- cout<<"输入错误"<<endl;
- break;
- }
- cvSaveImage("E:\\dst.jpg",dst);
- cvNamedWindow("SRC",1);
- cvNamedWindow("DST", 1);
- cvShowImage("SRC", img);
- cvShowImage("DST", dst);
- cvWaitKey();
- return 0;
- }