OpenCV图像增强算法实现（直方图均衡化、拉普拉斯、Log、Gamma）

本文链接：https://blog.csdn.net/kangshuaibing/article/details/82865611

以前学习了些opencv知识，最近在公司又接触了数字识别，经过一个月的努力，最终识别效果还不错，发文记录一下大概方法与流程。第一次发文，多多包涵。
图像二值化对光照非常敏感，在对数据采集时加了外置光源，二值化后做矫正训练，但测试时不进行预处理的话识别效果不理想，特别是最后一位，靠近边缘部分偏暗，试了多种预处理方法仍不理想，最终在网上看了一些图像增强算法，试了效果不错，最终选用对数增强方法。

图1是通过摄像头采集的原图，图2是经过Log增强后的图片，图3是对其进行预处理后的图片。
预处理流程包括（1）灰度化（2）自适应二值化（3）腐蚀（1、0、7这样的数字tesseract自带库无法识别，训练校正之后图片也会将其识别成两行，所以将其进行一次腐蚀使其连在一起）（4）滤波
对预处理后的图片用tesseract训练好的库进行识别，识别率在98%以上。

注：若直接对原图进行自适应二值化（图5）或者大津法二值化（图4），效果都不理想，图像周围会有很多大大小小的噪点，最后一位噪点更多。其效果如下，图4是大津法二值化，5图是自适应二值化

部分代码如下：

Mat imageLog(imgsrc.size(), CV_32FC3);
   for (int i = 0; i < imgsrc.rows; i++)
   {
       for (int j = 0; j <imgsrc.cols; j++)
       {
           imageLog.at<Vec3f>(i, j)[0] = log(float(1 + imgsrc.at<Vec3b>(i, j)[0]));
           imageLog.at<Vec3f>(i, j)[1] = log(float(1 + imgsrc.at<Vec3b>(i, j)[1]));
           imageLog.at<Vec3f>(i, j)[2] = log(float(1 + imgsrc.at<Vec3b>(i, j)[2]));
       }
   }
   //归一化到0~255
   normalize(imageLog, imageLog, 0, 255, CV_MINMAX);
   //转换成8bit图像显示
   convertScaleAbs(imageLog, imageLog);

   imshow("i",imageLog);
   Mat gray;
   cvtColor(imageLog,gray,COLOR_RGB2GRAY);
   Mat otsu_image;
   //threshold(gray, otsu_image, 0, 255, CV_THRESH_OTSU);
   cv::adaptiveThreshold(gray, otsu_image,255,ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY,91,0);
   //腐蚀
   Mat erode_image;
   Mat element2 = getStructuringElement(MORPH_CROSS, Size(3, 3));
   erode(otsu_image, erode_image, element2);