OPENCV图像处理提高(一)图像增强

在图像处理学习中会涉及到直方图,直方图很好地表现了图像的灰度信息;同时我们注意到在暗图像中,直方图的分量集中在灰度级的低端;亮图像的灰度值集中在直方图灰度值的高端;低对比度的图像有较窄的直方图,并集中于直方图的中间部分;高对比度的图像中直方图的分量覆盖很宽的范围,而且像素的分布没有太不均匀,只能看到少量垂线比其他高许多。通过图像增强可以有效地减弱这些缺陷
人真皮成纤维细胞

                            图 1

人脸

                           图   2

如图1,细胞表面的一些地方较为模糊,图2,整体图片偏亮
来看先来看第一张图的直方分布图:
这里写图片描述
分量集中在灰度值较高地地方。
第二张图的直方分布图:
这里写图片描述
直方图

来看一下两张图片的直方分布图片:

下面两张是经图像增强处理图片:
处理后的细胞图片

                              图 3

可以明显看到图片比之前的要清晰;
再来看其直方分布图:
这里写图片描述

处理后的人像
图 4
人脸的直方分布图:
这里写图片描述
首先,我们设连续的灰度r和z,同时令 Pr(r) Pz(z) 表示其连续的概率密度函数。

Pr(r)
为原来图像的灰度概率函数, Pz(z) 为经处理后的概率函数:
同时我们设一个随机变量s:
s=T(r)=(L1)r0Pr(w)dw
其中w为积分变量;
接着定义随机变量z:
G(z)=(L1)z0Pz(t)dt=s
其中t为积分变量;
由这两个公式可得 G(z)=T(r)
z=G1[T(r)]=G1(s)
当输入函数 Pr(r) 时,变换函数 T(r) 可得到s;同时, Pz(z) 可经过 G(z) 变换得到s,同时得到
z=G1[T(r)]=G1[(L1)r0Pr(w)dw]
在实际中图像的直方图灰度分量是离散的,处理离散量时,只求得到一个近似的直方图:
sk=T(rk)=(L1)kj=0Pr(rj)=L1MNkj=0nj,k=0,1,2,3,,L1
其中MN是图像总的像素点, nj 是具有灰度值 rj 的像素的个数,L是图像中可能的灰度级数;
接下来上代码:

#include<opencv2\opencv.hpp>
#include<opencv\cv.h>
#include<opencv2\core\core.hpp>
#include<stdlib.h>
#include<math.h>

using namespace cv;
using namespace std;

void  enhance(Mat src, Mat dir)
{    
    FILE *fp;
    fp = fopen("src.txt", "w");
    int srcpixel[256] = { 0 };
    int dirpixel[256] = { 0 };
    int p;//temp
    double srcprob[256];
    double dirprob[256] = {0};
    double zhong = src.rows*src.cols;
    for (int i = 0; i < src.rows; i++)
    {
        for (int j = 0; j < src.cols; j++)
        {

            p = src.at<uchar>(i, j);
            srcpixel[p]++;
        }
    }
    for (int i = 0; i < 255; i++)
    {
        srcprob[i] = srcpixel[i]/ zhong;
        fprintf(fp, "%lf  ", srcprob[i]);
        printf("srcpixel[%d]=%f\n", i, srcprob[i]);
    }
    double o=0;
    dirprob[0] = srcprob[0];
    for (int i = 1; i < 256; i++)
    {
        dirprob[i] = dirprob[i - 1] + srcprob[i];
    }
    for (int i = 0; i < src.rows; i++)
    {
        for (int j = 0; j < src.cols; j++)
        {
            p = src.at<uchar>(i, j);
            dir.at<uchar>(i, j) = 255 * dirprob[p];
        }
    }
    fclose(fp);
//  srcpixel[256] = { 0 };

    fp = fopen("dir.txt", "w");
    for (int i = 0; i < src.rows; i++)
    {
        for (int j = 0; j < src.cols; j++)
        {

            p = dir.at<uchar>(i, j);
            dirpixel[p]++;
        }
    }
    for (int i = 0; i < 255; i++)
    {
        srcprob[i] =dirpixel[i] / zhong;
        fprintf(fp, "%lf  ", srcprob[i]);
        printf("srcpixel[%d]=%f\n", i, srcprob[i]);
    }
    fclose(fp);



}
int main(int argc,char *argv[])
{

    Mat src= imread("3.jpg",0);
    Mat dir(src.rows,src.cols,CV_8UC1);
    imshow("src", src);
    //cvtColor(pic, pic, CV_BGR2GRAY);
    //imshow("12", pic);
    enhance(src, dir);
    imshow("drt", dir);
    imwrite("22.jpg", dir);
    waitKey();
}

这里 src,dir表示原来图像和目标图像,先遍历出各灰度值的像素个数,计算出概率prob,通过公式转化成目标图像的概率
fprintf将灰度值概率记下,方便用openGL或excel画出直方图进行比对

笔者能力有限,如有不足或错误欢迎指出

  • 3
    点赞
  • 41
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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