Opencv图像增强算法（对比度增强）-opencv

最新推荐文章于 2024-03-19 18:08:47 发布

梁小满

最新推荐文章于 2024-03-19 18:08:47 发布

阅读量1.1w

点赞数 8

分类专栏： OpenCV 文章标签： opencv 算法计算机视觉 c++

本文链接：https://blog.csdn.net/L_0x0b/article/details/111314937

版权

OpenCV 专栏收录该内容

2 篇文章 2 订阅

订阅专栏

由于项目需要，这几天找了网上一个基于opencv的图像对比度增强算法的博客。但算法发布的日期太过久远了，2012年的代码放到现在很多类和类方法已经不再适用于新版本的opencv库了。所以我花了点时间重写了一下，并加入一些个人对于算法的理解与优化。

目标原代码：

《Opencv 图像增强算法图像检测结果》
https://blog.csdn.net/abcjennifer/article/details/7401921
《opencv 彩色图像对比度增强》
https://blog.csdn.net/abcjennifer/article/details/7428737

对等重写:

对等重写就是原博客怎么写，我就怎么写，只是把一些已经弃用的类、方法、宏给替换掉而已。相当于就是翻新，然后加入一些个人理解的注释。

增强函数

/***********************************************************
增强算法的原理在于先统计每个灰度值在整个图像中所占的比例
然后以小于当前灰度值的所有灰度值在总像素中所占的比例，作为增益系数
对每一个像素点进行调整。由于每一个值的增益系数都是小于它的所有值所占
的比例和。所以就使得经过增强之后的图像亮的更亮，暗的更暗。
************************************************************/
void ImageStretchByHistogram(const Mat & src, Mat & dst)
{
	//判断传入参数是否正常
	if (!(src.size().width == dst.size().width))
	{
		cout << "error" << endl;
		return;
	}
	double p[256], p1[256], num[256];

	memset(p, 0, sizeof(p));
	memset(p1, 0, sizeof(p1));
	memset(num, 0, sizeof(num));
	int height = src.size().height;
	int width = src.size().width;
	long wMulh = height * width;

	//统计每一个灰度值在整个图像中所占个数
	for (int x = 0; x < width; x++)
	{
		for (int y = 0; y < height; y++)
		{
			uchar v = src.at<uchar>(y, x);
			num[v]++;
		}
	}

	//使用上一步的统计结果计算每一个灰度值所占总像素的比例
	for (int i = 0; i < 256; i++)
	{
		p[i] = num[i] / wMulh;
	}

	//计算每一个灰度值，小于当前灰度值的所有灰度值在总像素中所占的比例
	//p1[i]=sum(p[j]);	j<=i;
	for (int i = 0; i < 256; i++)
	{
		for (int k = 0; k <= i; k++)
			p1[i] += p[k];
	}

	//以小于当前灰度值的所有灰度值在总像素中所占的比例，作为增益系数对每一个像素点进行调整。
	for (int y = 0; y < height; y++)
	{
		for (int x = 0; x < width; x++) {
			uchar v = src.at<uchar>(y, x);
			dst.at<uchar>(y, x) = p1[v] * 255 + 0.5;
		}
	}
	return;
}

单通道灰度图增强函数

//调整图像对比度
Mat AdjustContrastY(const Mat & img)
{
	Mat out = Mat::zeros(img.size(), CV_8UC1);
	Mat workImg = img.clone();

	//对图像进行对比度增强
	ImageStretchByHistogram(workImg, out);

	return Mat(out);
}

三通道彩图增强函数

//调整图像对比度
Mat AdjustContrast(const Mat & img)
{
	Mat out;

	Mat Y = Mat::zeros(img.size(), CV_8UC1);
	Mat Cb = Mat::zeros(img.size(), CV_8UC1);
	Mat Cr = Mat::zeros(img.size(), CV_8UC1);
	Mat Compile_YCbCr = Mat::zeros(img.size(), CV_8UC3);
	Mat dst = Mat::zeros(img.size(), CV_8UC1);

	int i;
	/*******************************************
	对比度增强算法本质上就是对图像Y分量进行调整。
	所以需要先把图像数据从BGR转换为YUV，YCrCb就是YUV
	然后再对YUV数据进行拆分，最后单独对Y分量进行调整。
	********************************************/
	cvtColor(img, Compile_YCbCr, cv::COLOR_BGR2YCrCb);
	//定义一个Mat向量容器保存拆分后的数据
	vector<Mat> channels;
	//进行图像通道拆分
	split(Compile_YCbCr, channels);
	channels.at(0).copyTo(Y);
	channels.at(1).copyTo(Cb);
	channels.at(2).copyTo(Cr);
	
	//单独对Y分量进行调整
	ImageStretchByHistogram(Y, dst);

	//把对比度增强后的Y分量与原来的U、V分量重组为新的图像
	for (int y = 0; y < img.size().height; y++)
	{
		for (int x = 0; x < img.size().width; x++)
		{
			//拼接一个像素的三通道
			Mat cur = Mat::zeros(3, 1, CV_32FC1);
			cur.at<float>(0, 0) = dst.at<uchar>(y, x);
			cur.at<float>(1, 0) = Cb.at<uchar>(y, x);
			cur.at<float>(2, 0) = Cr.at<uchar>(y, x);

			//三通道顺序写入
			for (i = 0; i < 3; i++)
			{
				double xx = cur.at<float>(i, 0);
				(Compile_YCbCr).at<Vec3b>(y, x)[i] = xx;
			}
		}
	}
	//把重组之后的图像转换回BGR数据进行返回
	cvtColor(Compile_YCbCr, out, COLOR_YCrCb2BGR);

	return Mat(out);
}

优化重写

优化重写注意是针对三通道彩图增强函数“AdjustContrast()”这个函数的，这主要是由于原算法本身就存在一定的问题和在当前的opencv版本下存在一定的改进空间。就像原博客中的dst1定义的是3通道，但增强函数“ImageStretchByHistogram()”内部处理的时候只是使用了当通道进行赋值，虽然可以正常运行，但却容易让阅读代码的人产生误解（例如我），而且在新版本opencv的语法环境下会存在问题（原博客评论区就有人遇到了这个语法问题，我上面的代码中通过修改部分代码逻辑解决了这个问题）。且在测试中发现，三通道彩图的增强函数运行速度过慢。
所以我针对三通道彩图增强函数“AdjustContrast()”这个函数进行了重写。

//三通道彩图增强函数
Mat AdjustContrast(const Mat & img)
{
	Mat out = Mat::zeros(img.size(), CV_8UC3);
	Mat Compile_YCbCr = Mat::zeros(img.size(), CV_8UC3);
	Mat dst = Mat::zeros(img.size(), CV_8UC1);

	//进行BGR转YUV
	cvtColor(img, Compile_YCbCr, cv::COLOR_BGR2YCrCb);

	//定义一个Mat向量容器保存拆分后的数据
	vector<Mat> channels;
	//进行图像通道拆分
	split(Compile_YCbCr, channels);
	//单独对Y分量进行调整
	ImageStretchByHistogram(channels.at(0), dst);
	//把调整后的Y分量替换原来的Y分量
	dst.copyTo(channels.at(0));
	//进行通道的合并
	merge(channels, Compile_YCbCr);

	//把重组之后的图像转换回BGR数据进行返回
	cvtColor(Compile_YCbCr, out, COLOR_YCrCb2BGR);
	return Mat(out);
}