如果图像的灰度值集中在某一区间,则不利于我们对图像的观察,这时候我们可以对图像作灰度拉伸处理。
可以把灰度值拉伸到0~255,比如博文 https://blog.csdn.net/wenhao_ir/article/details/51658765就是将灰度值拉到了0~255。
当然也可把图像的灰度值拉伸到指定的区间。
具体思路如下:
对灰度值设置上下两个阈值,分别记为iLow和iHigh,小于iLow的像素点的灰度值置为0,大于iHigh的灰度值置为255,位于[iLow iHigh]区间内的点用式子s=T(r)=255*(r-a)/(b-a)进行线性灰度变换。这里a=iLow、b=iHigh。
在OpenCV环境下实现上述路思路的C++代码如下:
注意:以下代码最大的作用还是为大家学习理解图像处理基本原理之用。因为下面的代码完全可以被下面这句代码代替:
normalize(srcGray, histTransResult, iLow, iHigh, NORM_MINMAX);
上面这句代码比下面的代码效果更好,下面的代码把阈值之外的像素点都直接排除了,但是上面这条语句不会。
关于OpenCV的函数normalize()的详细讲解,可参考博文 https://blog.csdn.net/wenhao_ir/article/details/125619073
代码中用到的图像的下载链接:https://pan.baidu.com/s/16zMiNrLOxezJBpJ5AGIOQw 提取码:w1u6
//opencv版本:OpenCV3.0
//VS版本:VS2012
//原文地址:https://blog.csdn.net/wenhao_ir/article/details/51604520
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
// 图像获取及验证
cv::Mat srcImage = cv::imread("F:/material/images/P0029-pout-01.tif");
if( !srcImage.data )
return 1;
// 转化为灰度图像
cv::Mat srcGray;
cvtColor(srcImage, srcGray, CV_BGR2GRAY);
// 第一步:计算图像的直方图
const int channels[1]={0};
const int histSize[1]={256};
float hranges[2]={0,255};
const float* ranges[1]={hranges};
cv::MatND hist;
calcHist(&srcGray,1,channels,cv::Mat(),
hist,1,histSize,ranges);
// 第二步:根据预设参数统计灰度级变换
int segThreshold = 50;
// 由低到高进行查找
int iLow =0;
for (; iLow < histSize[0]; iLow++) {
if (hist.at<float>(iLow) > segThreshold) {
break;
}
}
// 由高到低进行查找
int iHigh = histSize[0] -1;
for (; iHigh >=0; iHigh--) {
if (hist.at<float>(iHigh) > segThreshold) {
break;
}
}
// 第三步:建立查找表
cv::Mat lookUpTable(cv::Size(1, 256), CV_8U);
for (int i =0; i <256; i++) {
if (i < iLow ){
lookUpTable.at<uchar>(i) =0;
} else if (i > iHigh) {
lookUpTable.at<uchar>(i) = 255;
} else {
lookUpTable.at<uchar>(i) = static_cast<uchar>(
255.0 * (i - iLow) / (iHigh - iLow ));
}
}
// 第四步:通过查找表进行映射变换
cv::Mat histTransResult;
cv::LUT(srcGray, lookUpTable, histTransResult);
// 显示图像
cv::imshow("srcGray",srcGray);
cv::imshow("histTransResult",histTransResult);
cv::imwrite("histTransResult.tif",histTransResult);
cv::waitKey(0);
return 0;
}
运行果结如下图所示:
从这个运行结果我们可以看出,经过灰度拉伸处理,图像的细节和层次被凸显了,也更便于我们观察了。
我们对两幅图像分别进行直方图绘制,结果如下:
按本文中的方法进行直方图均衡化后的直方图:
从上面的两幅直方图我们可以看出,按本文的思路处理后,图像的灰度值区间确实被拉伸了。