C++ opencv 图像代数运算——对比度调整和背景相减

对比度调整

实验要求：

设计一个Sigmoid函数，实现对图像的对比度调整；

–使用opencv窗口系统的slider控件，交互改变Sigmoid函数的参数，实现不同程度的对比度调整；

 

对比度含义：

 

调整之后的 sigmoid函数：

实验思路：

我构建了 sigmoid函数，使用了三层for循环，一层遍历行，一层遍历列，还有一层遍历通道数（3通道），加入滑动条来传入对比度和亮度的参数，然后 在相应位置乘以了c_p（决定对比度），b_value（决定亮度），并使用了saturate_cast<uchar>函数来防止溢出。

 

 

效果图：

 

              

 

 

 

其中 sigmoid 函数的 参数可以自己调制

 

#include <opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include"opencv2/imgproc/imgproc.hpp"
#include<cmath>
#include <iostream>
using namespace std;
using namespace cv;


int c_p;
int b_value;
Mat image, mask;

void IntensityAndContrast(int, void *)
{
	namedWindow("原图", WINDOW_AUTOSIZE);
	for (int y = 0; y < image.rows; y++)
	{
		for (int x = 0; x < image.cols; x++)
		{
			for (int c = 0; c < 3; c++)
			{
				double u = ((image.at<Vec3b>(y, x)[c] - 127.0) / 255.00)*c_p*0.1;
				mask.at<Vec3b>(y, x)[c] = saturate_cast<uchar>(image.at<Vec3b>(y, x)[c] * ((1.00 / (1.00 + exp(-u))) + 0.4) + b_value-100);

			}
		}
	}
	imshow("原图", image);
	imshow("效果图", mask);
}
int main()
{
	image = imread("G:\\图片\\longmao7.jpg");

	if (!image.data)
	{
		cout << "图片读取失败！" << endl;
		return false;
	}
	//cvtColor(image,image,CV_BGR2GRAY);
	namedWindow("效果图", WINDOW_AUTOSIZE);
	mask = Mat::zeros(image.size(), image.type());
	//cvtColor(mask, mask, CV_BGR2GRAY);

	c_p = 20;
	b_value =100;

	createTrackbar("Contrast", "效果图", &c_p, 100, IntensityAndContrast);
	createTrackbar("Intensity", "效果图", &b_value, 200, IntensityAndContrast);

	IntensityAndContrast(c_p, 0);
	IntensityAndContrast(b_value, 0);

	waitKey(0);
	return 0;

}

 

背景相减

 

对图像I和对应的背景图B，基于背景相减检测I中的前景区域，并输出前景的mask.

分析你的方法可能产生误检的情况，并上网查阅背景相减的改进方法，设法改进结果。

测试数据见群文件bgs-data.zip

思路：

一、首先必须判断图片是否存在，还要判断读取的两张图片图像I和对应的背景图B，长宽是否相同。

二、使用三重for循环，一重循环行，一重循环列，一重循环通道数（读取三通道），读取出来的像素，I(x,y)-B(x,y),进行区域相减，再进行平方求和，最后开根号，即下图的的公式显示：

三、选择一个阈值进行判断，如果 sum值大于阈值，则为需要提取的图像，像素则设为255（白色），如果sum小于阈值，像素值则设为0（黑色），最后再输出图像即可

背景图

         

效果图：

 

       

代码如下：

 

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<cmath>
#include<iostream>
using namespace std;
using namespace cv;

Mat a_img, b_img;
Mat mask;
int value;
void test(int, void*) {
	double su;
	for (int y = 0; y < a_img.rows; y++) {
		for (int x = 0; x < a_img.cols; x++) {
			su = 0.0;
			for (int c = 0; c < 3; c++) {
				// 求平方和
				su += pow((a_img.at<Vec3b>(y, x)[c] - b_img.at<Vec3b>(y, x)[c]), 2);

			}

			su = sqrt(su);

			//  01_bg.jpg 阈值为110   
			//	02_bg.jpg 阈值为90
			//  07_bg.jpg 阈值为100
			//  08_bg.jpg 阈值为 100
			//13_bg.jpg 阈值为120
			if (su >= value) {
				for (int c = 0; c < 3; c++) {
					mask.at<Vec3b>(y, x)[c] = 255;
				}
			}
			else {
				for (int c = 0; c < 3; c++) {
					mask.at<Vec3b>(y, x)[c] = 0;
				}
			}
		}
	}
	imshow("效果图", mask);
}


int main() {
	a_img = imread("F:\\计算机视觉\\实验三图片\\02.jpg");
	b_img = imread("F:\\计算机视觉\\实验三图片\\02_bg.jpg");
	namedWindow("效果图", WINDOW_AUTOSIZE);
	namedWindow("原图", WINDOW_AUTOSIZE);

	if (!a_img.data || !b_img.data) {
		cout << "读图失败" << endl;
		return -1;
	}
	if (a_img.rows != b_img.rows || a_img.cols != b_img.cols) {
		cout << "图片长度和宽度不符合" << endl;
		return -1;
	}
	value = 100;
	mask = Mat::zeros(a_img.size(), a_img.type());

	createTrackbar("背景相减", "效果图", &value, 200, test);
	test(value, 0);

	imshow("原图", a_img);
	imshow("背景图", b_img);
	waitKey(0);
	system("pause");
	return 0;
}