OpenCV，马赛克 常用图像增强算法的实现

最新推荐文章于 2024-06-06 11:21:54 发布
最新推荐文章于 2024-06-06 11:21:54 发布
阅读量6.6k 收藏 11
点赞数 1 

import cv2
import numpy as np


def salt(img, img2, n):
    noff = int((n - 1) / 2)
    for i in range(noff,img.shape[0]-noff,noff):
        for j in range(noff,img.shape[1]-noff,noff):
            # img.shape[0] -- 取得img 的列（图片的高）
            # img.shape[1] -- 取得img 的行（图片的宽）
            # i = int(np.random.random() * img.shape[1]);
            # j = int(np.random.random() * img.shape[0]);

            (b, g, r) = img[i, j]
            k = np.random.random()
            #b = img[j, i, 0]
            #g = img[j, i, 1]
            #r = img[j, i, 2]
            for m in range(-noff,  noff):
                for n in range(-noff, noff):
                    img[i+m, j+n, 0] = b
                    img[i + m, j + n, 1] = g
                    img[i + m, j + n, 2] = r
                    #img[i+m, j+n] = 255
            #img[j, i, 1] = 255
            #img[j, i, 2] = 255
    return img


img = cv2.imread("100900.jpg")
img2 = img.copy()
saltImage = salt(img, img2, 17)

cv2.imshow("Salt", saltImage)
cv2.waitKey(0)
cv2.destroyAllWindows()

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。

[cpp]  view plain  copy
 print ?
  1. void LogEnhance(IplImage* img, IplImage* dst)  
  2. {  
  3.     // 由于oldPixel:[1,256],则可以先保存一个查找表  
  4.     uchar lut[256] ={0};  
  5.   
  6.     double temp = 255/log(256);  
  7.   
  8.     for ( int i =0; i<255; i++)  
  9.     {  
  10.         lut[i] = (uchar)(temp* log(i+1)+0.5);  
  11.     }  
  12.   
  13.     for( int row =0; row <img->height; row++)  
  14.     {  
  15.         uchar *data = (uchar*)img->imageData+ row* img->widthStep;  
  16.         uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;  
  17.   
  18.         for ( int col = 0; col<img->width; col++)  
  19.         {  
  20.             for( int k=0; k<img->nChannels; k++)  
  21.             {  
  22.                 uchar t1 = data[col*img->nChannels+k];                 
  23.                 dstData[col*img->nChannels+k] = lut[t1];  
  24.             }  
  25.         }         
  26.     }     
  27. }  
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。

[cpp]  view plain  copy
 print ?
  1. void ExpEnhance(IplImage* img, IplImage* dst)  
  2. {  
  3.     // 由于oldPixel:[1,256],则可以先保存一个查找表  
  4.     uchar lut[256] ={0};  
  5.   
  6.     double temp = 1.0/255.0;  
  7.   
  8.     for ( int i =0; i<255; i++)  
  9.     {  
  10.         lut[i] = (uchar)(temp*i*i+0.5);  
  11.     }  
  12.   
  13.     for( int row =0; row <img->height; row++)  
  14.     {  
  15.         uchar *data = (uchar*)img->imageData+ row* img->widthStep;  
  16.         uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;  
  17.   
  18.         for ( int col = 0; col<img->width; col++)  
  19.         {  
  20.             for( int k=0; k<img->nChannels; k++)  
  21.             {  
  22.                 uchar t1 = data[col*img->nChannels+k];                 
  23.                 dstData[col*img->nChannels+k] = lut[t1];  
  24.             }  
  25.         }         
  26.     }     
  27. }  

3、加Masaic算法

        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）。

[cpp]  view plain  copy
 print ?
  1. uchar getPixel( IplImage* img, int row, int col, int k)  
  2. {  
  3.     return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];  
  4. }  
  5.   
  6. void setPixel( IplImage* img, int row, int col, int k, uchar val)  
  7. {  
  8.     ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;  
  9. }  


[cpp]  view plain  copy
 print ?
  1. // nSize:为尺寸大小，奇数  
  2. // 将邻域的值用中心像素的值替换  
  3. void Masic(IplImage* img, IplImage* dst, int nSize)  
  4. {  
  5.     int offset = (nSize-1)/2;  
  6.     for ( int row = offset; row <img->height - offset; row= row+offset)  
  7.     {  
  8.         for( int col= offset; col<img->width - offset; col = col+offset)  
  9.         {  
  10.             int val0 = getPixel(img, row, col, 0);  
  11.             int val1 = getPixel(img, row, col, 1);  
  12.             int val2 = getPixel(img, row, col, 2);  
  13.             for ( int m= -offset; m<offset; m++)  
  14.             {  
  15.                 for ( int n=-offset; n<offset; n++)  
  16.                 {  
  17.                     setPixel(dst, row+m, col+n, 0, val0);  
  18.                     setPixel(dst, row+m, col+n, 1, val1);  
  19.                     setPixel(dst, row+m, col+n, 2, val2);  
  20.                 }  
  21.             }  
  22.         }  
  23.     }  
  24. }  

0x01. 像素

mport math
for i in range(50, 100 + 1):
    for j in range(2, int(math.sqrt(i)) + 1):
        if i % j == 0:
            break
    else:
        print i

 

＃第二个：把else的位置与if处于同一缩进。

import math
for i in range(50, 100 + 1):
    for j in range(2, int(math.sqrt(i)) + 1):
        if i % j == 0:
           break
        else:
           print i

 

＃第三个：在else后加一个break语句。

import math
for i in range(50, 100 + 1):
    for j in range(2, int(math.sqrt(i)) + 1):
        if i % j == 0:
            break
        else:
            print i
            break


import cv2image = cv2.imread( "H:\\img\\lena.jpg" ) #读取图像 (b,g,r) = image[ 0 , 0 ] #读取(0,0)像素，
Python中图像像素是按B,G,R顺序存储的 print "
位置(0,0)处的像素 - 红:%d,绿:%d,蓝:%d" %( r,g,b) #显示像素值
image[ 0 , 0 ] = ( 100 , 150 , 200 ) #更改位置(0,0)处的像素
(b,g,r) = image[ 0 , 0 ] #再次读取(0,0)像素
print "位置(0,0)处的像素 - 红:%d,绿:%d,蓝:%d" %( r,g,b) #显示更改后的像素值
corner = image[ 0 : 100 , 0 : 100 ] #读取像素块
cv2.imshow( "Corner" ,corner) #显示读取的像素块
image[ 0 : 100 , 0 : 100 ] = ( 0 , 255 , 0 ); #更改读取的像素块
cv2.imshow( "Updated" ,image) #显示图像 cv2.waitKey( 0 ) #程序暂停

有两种直接操作图片像素点的方法：

第一种办法就是将一张图片看成一个多维的list，例如对于一张图片im，想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值。

第二种就是使用 OpenCV 提供的 Get1D、 Get2D 等函数。

推荐使用第一种办法吧，毕竟简单。

0x02. 获取行和列像素

有一下四个函数：

  • cv.GetCol(im, 0): 返回第一列的像素

  • cv GetCols(im, 0, 10): 返回前 10 列

  • cv.GetRow(im, 0): 返回第一行

  • cv.GetRows(im, 0, 10): 返回前 10 行

0x03. 批量处理

需要批量处理所有的像素点的时候，只需要使用for循环迭代处理就可以了：

import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg")

for i in range(im.height):
    for j in range(im.width):
        im[i,j] # 这里可以处理每个像素点

还有一种迭代处理的方式是使用 LineIterator，不过在声明 LineIterator 的时候需要制定处理像素点的开始点和结束点。

import cv2.cv as cv

im = cv.LoadImage("img/lena.jpg")

li = cv.InitLineIterator(im, (0, 0), (im.rows, im.cols)) #So loop the entire matrix

for (r, g, b) in li:
    # 这里可以对每个像素点的 r g b 进行处理

娱乐一下， 随机获取 5000 个像素点，然后把颜色换成一个随机的值(salt)：

import cv2.cv as cv

import random

# 这里也可以使用 Get2D/Set2D 来加载图片
im = cv.LoadImage("img/lena.jpg") 

for k in range(5000): #Create 5000 noisy pixels
    i = random.randint(0,im.height-1)
    j = random.randint(0,im.width-1)
    color = (random.randrange(256),random.randrange(256),random.randrange(256))
    im[i,j] = color

cv.ShowImage("Noize", im)
cv.WaitKey(0)

效果图：


4、曝光过度问题处理

      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

[cpp]  view plain  copy
 print ?
  1. <span style="font-size:12px;">void ExporeOver(IplImage* img, IplImage* dst)  
  2. {  
  3.     for( int row =0; row <img->height; row++)  
  4.     {  
  5.         uchar *data = (uchar*)img->imageData+ row* img->widthStep;  
  6.         uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;  
  7.         for ( int col = 0; col<img->width; col++)  
  8.         {  
  9.             for( int k=0; k<img->nChannels; k++)  
  10.             {  
  11.                 uchar t1 = data[col*img->nChannels+k];  
  12.                 uchar t2 = 255 - t1;  
  13.                 dstData[col*img->nChannels+k] = min(t1,t2);  
  14.             }  
  15.         }         
  16.     }  
  17. }</span>  

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))。

[cpp]  view plain  copy
 print ?
  1. Mat HighPass(Mat img)  
  2. {  
  3.     Mat temp;  
  4.     GaussianBlur(img, temp,Size(7,7),1.6,1.6);  
  5.   
  6.     int r=3;      
  7.     Mat diff = img + r*(img-temp); //高反差保留算法  
  8.     return diff;  
  9. }  

测试代码：

[cpp]  view plain  copy
 print ?
  1. int main(int argc, char* argv[])  
  2. {  
  3.     const char* Path = "02.bmp";  
  4.     IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);  
  5.     IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);  
  6.     cout<<"输入你要选择的操作："<<endl;  
  7.     cout<<"1、曝光过度"<<endl;  
  8.     cout<<"2、加马赛克"<<endl;  
  9.     cout<<"3、对数增强"<<endl;  
  10.     cout<<"4、指数增强"<<endl;  
  11.     cout<<"请输入你的选择:";  
  12.     int choice = 1;  
  13.     cin>>choice;  
  14.     switch (choice)  
  15.     {  
  16.     case 1:   
  17.         ExporeOver(img, dst);   //这四个算法中总觉得某个算法有问题  
  18.         break;  
  19.     case 2:   
  20.         Masic(img, dst, 21);  
  21.         break;  
  22.     case 3:   
  23.         LogEnhance(img, dst);  
  24.         break;  
  25.     case 4:  
  26.         ExpEnhance(img, dst);  
  27.         break;  
  28.     default:  
  29.         cout<<"输入错误"<<endl;  
  30.         break;              
  31.     }  
  32.     cvSaveImage("dst.jpg",dst);  
  33.     cvNamedWindow("SRC",1);  
  34.     cvNamedWindow("DST", 1);  
  35.     cvShowImage("SRC", img);  
  36.     cvShowImage("DST", dst);  
  37.     cvWaitKey();  
  38.     return 0;  
  39. }  


实现在MFC中效果如下（程序有点小问题，“高斯平滑”的效果应该是中值滤波）：





c2a2o2
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV图像处理——图像插值算法原理（python实现和c++实现）
qq_44957388的博客
04-21 4100
Datawhale 计算机视觉基础-图像处理（上）-Task01 OpenCV框架与图像插值算法 1.1 简介   在图像处理中，平移变换、旋转变换以及放缩变换是一些基础且常用的操作。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。在一幅输入图象[u，v][u，v][u，v]中，灰度值仅在整数位置上有定义。然而，输出图象[x，y]的灰度值一般由处在非整数坐标上的（u，v）（u...
用OPENCV C++ 代码实现 检测图片是否有马赛克
weixin_42602726的博客
12-29 427
检测图片是否有马赛克可以使用 OpenCV 的滤波器和图像处理功能。 一种方法是使用 OpenCV 的均值滤波器，它可以将图像中的像素点平均分配到周围的区域，如果图像中存在马赛克，则均值滤波器可能会把马赛克周围的像素点变得更模糊。 下面是使用 OpenCV 对图像进行均值滤波的示例代码： #include <opencv2/opencv.hpp> #include <iostre...
OpenCV，常用图像增强算法的实现
EbowTang的练习场
11-25 1万+
原文地址 http://blog.csdn.net/kezunhai/article/details/41553097 好资料，没收了！！！ 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(I
数字图像处理之基于Python+OpenCV图像的伪彩色增强
2301_79810943的博客
06-06 936
一、项目背景与意义在数字图像处理领域，伪彩色增强是一种重要的技术，它可以将灰度图像或彩色图像中的灰度级别或色彩信息映射到新的色彩空间，从而改善图像的视觉效果，增强图像中的有用信息。伪彩色增强在医学图像处理、遥感图像处理、安全监控等领域有着广泛的应用。本项目旨在使用Python和OpenCV库，实现图像的伪彩色增强，并探索不同伪彩色映射算法对图像增强效果的影响。二、技术框架与实现Python与OpenCV：本项目采用Python作为编程语言，OpenCV作为图像处理库。
Opencv 学习---8种常用图像增强算法
热门推荐
学霸家有事的博客
07-21 6万+
常见的8种图像增强算法及其opencv实现 1.直方图均衡化        直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。  　　这种方法通常用来增加许多图像的局部对比度。这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作...
利用opencv实现图像马赛克处理的三种方法
weixin_62602550的博客
07-06 4975
本文就图像的马赛克处理，基于opencv提出了三种解决方案，并详细地介绍了三种方法的原理、示例、问题及问题的解决方案。
opencv进阶 ——（九）图像处理之人脸修复祛马赛克算法CodeFormer
零落年华的专栏
06-01 1093
CodeFormer是一种基于深度学习的人脸复原模型，由南洋理工大学和商汤科技联合研究中心联合开发，它能够接收模糊或马赛克图像作为输入，并生成更清晰的原始图像。
【opencv】图像尺寸调整的三种算法
weixin_72504310的博客
08-27 2517
临近算法 INTER_NEAREST 双插值算法 INTER_LINEAR 金字塔 pyrDown（）pyrUp（）
【OpenCV 例程 300篇】220.对图像进行马赛克处理
youcans的博客
07-06 3165
马赛克效果是广泛使用的图像和视频处理方法。将图像中指定区域的色阶细节劣化，造成色块模糊的效果，看上去像是一个个小格子组成的色块，称为马赛克。马赛克效果的主要目的是使特定区域的细节无法辨认，经常用于遮挡人物脸部、隐私信息。 马赛克的方法很简单，将处理区域划分为一个个小方块，每个小方块内所有像素置为相同的或相似的像素值。 马赛克方块的尺寸越大，图像越模糊，马赛克区域图像丢失的细节越多。 ......
【OpenCV 例程 300篇】221.加密马赛克图像处理与解密复原
youcans的博客
07-08 2126
通常的马赛克处理是图像向下采样的过程，丢失的高频细节是不可逆的，因此消除马赛克复原图像在原理上是不可能的。 本例程开发了一种对指定区域进行加密的马赛克处理方法，处理后的图像不仅实现了马赛克效果，而且以加密格式保存了马赛克区域的图像细节。通过加密密钥可以对马赛克图像进行解密处理，清晰地复原图像的细节。 ......
Python+OpenCV图像处理（一）——OpenCV框架与图像插值算法
12-21
【OpenCV框架与图像插值算法】 在计算机视觉领域，图像处理是一种利用计算机技术分析图像以达到特定结果的技术。数字图像通常是由工业相机、摄像机或扫描仪捕捉的二维数组，数组中的每个元素称为像素，其数值代表...
python使用opencv实现马赛克效果示例
12-31
本文实例讲述了python使用opencv实现马赛克效果。分享给大家供大家参考，具体如下： 最近要实现opencv视频打马赛克，在网上找了一下基本是C++的实现，好在原理一样，下面给出python实现。 原理和注意点，我都写在...
OpenCV图像处理基础——基于C++实现
06-19
OpenCV图像处理基础——基于C++实现版本视频培训课程概况：教程中会讲解到OpenCV的基础知识及使用方法，并基于OpenCV实现基础的图像处理算法；除此之外课程包含如下的内容： 图像颜色空间及类型转换及应用（BGR、...
Python+OpenCV 实现的人脸检测并打马赛克源码
06-13
在本项目中，我们主要探讨的是如何利用Python和OpenCV库来实现人脸检测，并对检测到的人脸区域进行马赛克处理。OpenCV是一个强大的计算机视觉库，它提供了丰富的功能，包括图像处理、特征检测、人脸识别等。在这个...
图像放大waifu2x算法vs opencv实现
06-06
**图像放大技术：waifu2x算法与OpenCV实现** 图像放大是数字图像处理中一个常见的需求，尤其在高分辨率显示设备普及的今天，对低分辨率图像进行无损或近似无损放大变得越来越重要。本文将探讨两种不同的图像放大...
数理方法习题 前六章.pdf
08-03
数理方法习题 前六章
某大型制造企业IT蓝图规划及实施路线.pptx
08-03
某大型制造企业IT蓝图规划及实施路线.pptx
基于Springboot和Vue的社区团购系统设计源码 社区团购系统设计代码（98分期末优秀大作业）
08-03
社区团购系统设计源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！
去哪儿旅游&小红书-旅行行业：2023五一旅行趋势报告—想出去玩.pdf
最新发布
08-03
去哪儿旅游&小红书-旅行行业：2023五一旅行趋势报告—想出去玩
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值