基于高斯拟合的工业渐晕图像复原C++代码实现

基于高斯拟合的工业渐晕图像复原C++代码实现

本文主要实现论文《基于高斯曲面拟合的影像渐晕复原方法》。论文链接：http://www.doc88.com/p-6327759362814.html.
渐晕图像示例如下图，中间亮，边缘暗，论文的目的是通过二维高斯函数拟合渐晕图片，然后将原图与高斯拟合矩阵相减，得到的图片就是边缘亮度增高的结果图。

论文中高斯函数的参数更新使用梯度下降，梯度向量和Hessian矩阵如下：





C++代码：

#include<opencv2/core.hpp>
#include<opencv2/highgui.hpp>
#include<opencv.hpp>
#include<math.h>
#include<ctime>
#include <iostream>
using namespace std;
using namespace cv;
int M, N;		//图像高、宽
Mat gradient(Mat src, double B, double x0, double y0, double a);		//求高斯函数的梯度
Mat hessian(Mat src, double B, double x0, double y0, double a);		//求Hessian矩阵
int main()
{
   
	String desktop = "C:/Users/tian.li/Desktop/";
	Mat src = imread(desktop + "rect.png");
	cvtColor(src, src, CV_BGR2GRAY);
	//像素值归一化
	Mat img = (Mat_<double>)src / 255.0;
	M = img.rows;
	N = img.cols;
	//寻找最大像素点，也就是高斯拟合函数的中心点
	double A = -1;
	Point maxPt;
	minMaxLoc(img, NULL, &A, NULL, &maxPt);
	int i0 = maxPt.x;
	int j0 = maxPt.y;
	cout << "i0:" << i0 << " j0:" << j0 << endl;
	//初始化高斯拟合函数的各个参数B--幅度值,x0--中心点横坐标,y0--中心点纵坐标,a--标准差
	double B = log(A);
	double x0 = i0, y0 = j0;
	double a = sqrt((pow((M / 2.0 - x0), 2) + pow((N / 2.0 - y0), 2)) / (B - log(img.at<double>(M / 2, N / 2))));
	//初始化允许误差、、真实误差
	double epsilon = 0.01, erro = 1.0;
	//声明梯度变量、Hessian矩阵
	Mat g, h;
	int cnt = 0;
	while (erro >= epsilon && cnt++ < 1e6) {
   
		//求梯度和Hessian矩阵
		g = gradient(img, B, x0, y0, a);
		h = hessian(img, B, x0, y0, a);
		//计算梯度下降的步长
		double up = ((Mat)(g.t()*g)).at<double>(0, 0);					//gT*g
		double down = ((Mat)(g.