OpenCV2马拉松第9圈——再谈对比度(对比度拉伸，直方图均衡化)

收入囊中

• lookup table
• 对比度拉伸
• 直方图均衡化

葵花宝典

lookup table是什么东西呢？

举个例子，假设你想把图像颠倒一下，f[i] = 255-f[i],你会怎么做？

for( int i = 0; i < I.rows; ++i)
  for( int j = 0; j < I.cols; ++j )
    I.at<uchar>(i,j) = 255 － I.at<uchar>(i,j);

大部分人应该都会这么做.或者：

for( i = 0; i < nRows; ++i){
        p = I.ptr<uchar>(i);
        for ( j = 0; j < nCols; ++j){
            p[j] = 255 － p[j];
        }
}

或者使用迭代器

MatIterator_<uchar> it, end;
            for( it = I.begin<uchar>(), end = I.end<uchar>(); it != end; ++it)
                *it = 255 － *it;

OpenCV提供了一个更快的方法，如下代码

LUT函数接收src,table和output

table是一个1*256的mat,将对应关系已经map好了

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

Mat applyLookUp(const cv::Mat& image,const cv::Mat& lookup) { 
	Mat result;
	cv::LUT(image,lookup,result);
	return result;
}

int main( int, char** argv )
{
  	Mat image,gray;
  	image = imread( argv[1], 1 );
  	if( !image.data )
  		return -1;
  	cvtColor(image, gray, CV_BGR2GRAY);
    
	Mat lut(1,256,CV_8U);
	for (int i=0; i<256; i++) {
		lut.at<uchar>(i)= 255-i;
	}

	Mat out = applyLookUp(gray,lut);
	namedWindow("sample");
	imshow("sample",out);

  	waitKey(0);
  	return 0;
}

第一种：On-The-Fly RA93.7878 milliseconds
第二种：Efficient Way79.4717 milliseconds

第三种：Iterator83.7201 milliseconds

第四种：LUT function32.5759 milliseconds

对比度拉伸又是什么？先来直观地看张图片。

右边是原始图，可以发现，低灰度没有像素，但是左边就比较好，低灰度也有，这就是对比度的拉伸。

公式非常简单：f[i] = 255.0*(i-imin)/(imax-imin)+0.5);

当灰度 < imin , f[i] = 0;

当灰度 > imax, f[i] = 255;

imin < f[i] < imax,就线性映射.

有人就会问了，imin和imax要怎么确定呢？imin取10还是20还是30呢？

我们可以确定一个阀值minvalue，当灰度的个数>这个阀值minvalue时，就确定下来了。看下面这个确定的过程：

histSize[0]就是256

Mat hist= getHistogram(image);
int imin= 0;
for( ; imin < histSize[0]; imin++ )
    if (hist.at<float>(imin) > minValue)
        break;

int imax= histSize[0]-1;
for( ; imax >= 0; imax-- )
    if (hist.at<float>(imax) > minVa