图像增强--自适应增强算法（Android-OpenCV）

最新推荐文章于 2024-07-29 05:19:40 发布

dingpwen

最新推荐文章于 2024-07-29 05:19:40 发布

阅读量2.2k

点赞数 1

分类专栏： Android 图像处理

本文链接：https://blog.csdn.net/dingpwen/article/details/104523415

版权

本文介绍了自适应对比度增强算法在Android平台上的实现，使用OpenCV库进行图像处理。通过优化算法，将复杂度从n^2 * N^2降低到n * N^2，并进一步优化到N^2，提高了处理速度。提供了关键代码片段，并提醒初学者在使用OpenCV时注意数据类型的选择，如uchar而非float。

摘要由CSDN通过智能技术生成

自适应增强算法的具体原理可以参考如下博文：
彩色图像自适应对比度增强

事实上很多博文都有描叙这个，但都不愿公开完全代码，这里贴上我实现的代码。

首先对算法说明一些，如果直接按公式来，算法的复杂度就是n^2 * N^2 , 其中n为窗口大小，N为图像大小，但是我们可以很容易发现，可以通过已计算前值来计算后面的值，其中
M(x, y) = M(x, y-1) +{ SUM[f(xr)] - SUM[f(xl)]}/n;
其中，SUM[f(xr)] 表示右边要重新计算出来的那一列，SUM[f(xl)]为需要去掉的左边的那一列，这样算法复杂度就减少到n * N^2;

同样对Sigma的计算也可以推导得到类似结果，具体推导过程就不说了，直接上结果:
S(x,y) = S(x, y-1) + { SUM[f(xr)^2] - SUM[f(xl)^2]}/n + M(x, y-1)^2 - M(x,y)^2
补充：通过提前计算好每个窗口列的值，算法发杂度优化到 N^2，与窗口大小没多大关系，只与图像大小相关，1024*968的图片1秒内即可，当然如果添加多线程处理，速度会更快。

代码参考如下：（可能有些小错误）

private:
    // delta^2 = delta0^2 + [sumRight(f^2) - sumLeft(f^2)]/N + M0^2 - M^2
    void getMeanFromPreviousCol(const Mat &img, Mat &mean, Mat &sigma, const Mat &sumM, const Mat &sumS, int m, int n, int pI, int pJ) {
   
        int total = (2*m + 1) * (2*n + 1);
        /*float M = 0;
        for(int i = pI - m; i <= pI + m; ++i) {
            M += (img.at<uchar>(i, pJ + n) - img.at<uchar>(i, pJ -n -1));
        }*/
        float M = sumM.at<float>(pI, pJ + n) - sumM.at<float>(pI, pJ -n -1);
        M /= total;
        mean.at<float>(pI, pJ) = M + mean.at<float>(pI, pJ -1);

        /*float S = 0;
        for(int i = pI - m; i <= pI + m; ++i) {
            S += (pow(img.at<uchar>(i, pJ + n), 2) - pow(img.at<uchar>(i, pJ -n -1), 2));
        }*/
        float S = sumS.at<float>(pI, pJ + n) - sumS.at<float>(pI, pJ -n -1);
        S /= total;
        S += pow(mean.at<float>(pI, pJ -1), 2) - pow(mean.at<float>(pI, pJ), 2);
        sigma.at<float>(pI, pJ) = S + sigma.at<float>(pI, pJ -1);
    }

    void getMeanFromPreviousRow(const Mat &img, Mat &mean, Mat &sigma, const vector<float> &sumM, const vector<float> &sumS,
            int m