【手撕算法】opencv实现走迷宫算法

最新推荐文章于 2022-11-28 10:19:36 发布
最新推荐文章于 2022-11-28 10:19:36 发布
阅读量1.6k 收藏 31
点赞数 2
分类专栏： 图像处理算法 文章标签： 计算机视觉 opencv 算法 队列
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43667130/article/details/113647161
版权

在这里插入图片描述

好久没更新了！我又带着干货回来了。

此外建了一个qq群：222954293，既方便大家一起交流学习，还可以传一些程序文件，欢迎大家加入交流。

本文利用opencv实现了深度优先搜索DFS和广度优先搜索BFS两个算法来走迷宫，迷宫也是用opencv+鼠标画的。

绘制迷宫

首先是绘制一个迷宫了，直接网上找一个迷宫图然后opencv二值化处理一下也可以。

我是利用鼠标回调函数自己画的，更简洁明了一些。在画迷宫时，我们鼠标点击左键，则在点击位置放置一块墙（白色），点击右键，则放一块路（黑色），点击中键，则放置一块灰色的路，代表已经走过。具体效果如下动图：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LxEz6byd-1612422559303)(D:\微信公众号图文\视觉\手撕算法\走迷宫算法\画迷宫 00_00_00-00_00_30.gif)]

需要理解的是，迷宫（大小500500）是由一块一块的砖（2525）构建的，每一块砖都由其中心点来表示，算法搜索也是一块一块的搜索，而不是一个像素一个像素的搜索（因为以像素为基本单位太小了，不直观）。

具体代码：

 #define WINDOW_1   "迷宫地图" //显示绘制的迷宫地图
 #define WINDOW_2   "迷宫游戏" //显示走迷宫的过程
 #define show_speed  45 //显示速度（每走一步间歇时长）
 #define wall_color 255 //迷宫墙的颜色 白色
 #define back_color  1  //迷宫背景色，也就是路的颜色 黑色
 #define step_color 125 //走迷宫的路径显示色 灰色
 #define map_width 500 //迷宫大小

首先是一些宏定义，采用宏定义不仅更改方便，而且方便大家对后面的程序进行理解。宏定义的内容见注释，包括迷宫各组成部分的颜色还有大小。

//绘制迷宫部分
bool g_bDrawingBox = false;  //绘制标识符
int step = 25; //走迷宫的步长（25*25为基本单位，一块一块的走）
Mat wallImage = Mat(step, step, CV_8UC1, wall_color);
Mat backImage = Mat(step, step, CV_8UC1, back_color);
Mat stepImage = Mat(step, step, CV_8UC1, step_color);
Mat Maze_map;
void on_MouseHandle(int event, int x, int y, int flags, void* param);
void fill_map(Mat roiImage_, Mat wallImage_);
void clear_map(Mat roiImage_, Mat backImage_);

然后是绘制迷宫部分的变量声明以及函数声明。

其中

int step = 25; //走迷宫的步长（25*25为基本单位，一块一块的走）

代表步长，迷宫长宽均500，每一个搭建迷宫的砖是25*25大小的，在走迷宫时也是按25 * 25的步长进行分析的。

Mat wallImage = Mat(step, step, CV_8UC1, wall_color);
Mat backImage = Mat(step, step, CV_8UC1, back_color);
Mat stepImage = Mat(step, step, CV_8UC1, step_color);

这三个分别代表“砖”，均是25*25大小，wallImage是墙砖，为白色，backImage是路砖，为黑色，stepImage代表走过的路，是灰色。

绘制迷宫的具体主程序：

  //【1】绘制迷宫部分
  Mat srcImage, dstImage;
  srcImage = Mat(map_width, map_width, CV_8UC1,255);//绘制画布
  imshow("原底色", srcImage);

  namedWindow(WINDOW_1);   //定义一个窗口
  setMouseCallback(WINDOW_1, on_MouseHandle, (void*)&srcImage);//对该窗口进行鼠标检测

  while (1) {
    srcImage.copyTo(dstImage);  //不断的用读取的图片更新临时图片tempImage
    imshow(WINDOW_1, dstImage);  //展示tempImage
    if (waitKey(10) == 27) break;//当按下Esc时程序结束
  }
  imwrite("迷宫图.jpg", dstImage);
  waitKey();

主要就是利用了鼠标回调函数，再看一下鼠标回调函数：


void on_MouseHandle(int event, int x, int y, int flags, void* param)
{
  Mat& image = *(Mat*)param; //得到要处理的图像
  switch (event) {          //检查鼠标事件
    case EVENT_LBUTTONDOWN: {  //检测到鼠标左键按下
      int x_index = (x / step)*step;
      int y_index = (y / step)*step;
      fill_map(image(Rect(x_index, y_index, step, step)), wallImage);//绘制墙
    }
    break;
    case EVENT_RBUTTONDOWN: {  //检测到鼠标右键按下
      int x_index = (x / step)*step;
      int y_index = (y / step)*step;
      clear_map(image(Rect(x_index, y_index, step, step)), backImage);//绘制背景
    }
    break;
    case EVENT_MBUTTONDOWN: {  //检测到鼠标左键按下
      int x_index = (x / step)*step;
      int y_index = (y / step)*step;
      fill_map(image(Rect(x_index, y_index, step, step)), stepImage);//绘制路

    }
    break;
  }
}

鼠标回调函数分别检测鼠标左键，右键以及中键按下三个事件，并绘制相应的“砖”。绘制砖用到了

void fill_map(Mat roiImage_, Mat wallImage_);
void clear_map(Mat roiImage_, Mat backImage_);

这两个函数，其实本质就是将砖的样本图复制到迷宫地图的相应位置：

//填充（仅是方便理解使用，两个函数并无区别）
void fill_map(Mat roiImage_,Mat wallImage_)
{
  wallImage_.copyTo(roiImage_);
}
//清除（仅是方便理解使用，两个函数并无区别）
void clear_map(Mat roiImage_, Mat backImage_)
{
  backImage_.copyTo(roiImage_);
}

据此，迷宫地图就可以随便绘制啦。下图为绘制好的迷宫图，上边为入口，左边为出口：

在这里插入图片描述

深度优先搜索DFS算法

算法原理仅简单介绍：

深度优先搜索，重点是深度，以迷宫为例，当一个小人一步步往前走，走到岔路口A时，可以向下或者向右，他会按照顺时针（随便定）选择，先向右走，向右走到深处，会有两种情况：

  1. 深处是死胡同，这时他会退回到岔路口A，并向下走（也就是另一条未走的路）。
  2. 深处又有岔路口，这时他同样按照顺时针选择一条路，继续向深处走。

以上两步是迭代的，我们可以以这两步为准则不停的迭代走下去，直到走到出口。所以程序实现深度优先搜索，可以利用迭代来做。

首先是一些变量声明：

//深度优先搜索DFS
bool Locate_Exit = false;//是否找到出口标识符
int X[4] = { 0,step,0,-step }; //增量数组，方便检查迷宫每一块上下左右四个方向的状态
int Y[4] = { -step,0,step,0 };
void Get_Maze_star();
void Maze_DFS(Point2i step_point_);

其中增量数组是用来方便检查每一步的上下左右的状况的，比如下图:
在这里插入图片描述

当走到红色的地方时，小人在走下一步时需要根据上下左右四个蓝点位置的像素值来判断能走的方向，上下均为白色的墙，不可走，右边是走过的路（为灰色）同样不可走，因此只能走前面。

主程序：

  //【2】深度优先搜索DFS
  Mat srcImage;
  srcImage = imread("迷宫图.jpg",0);//读取灰度图
  srcImage.copyTo(Maze_map);
  namedWindow(WINDOW_1);   //定义一个窗口
  namedWindow(WINDOW_2);   //定义一个窗口
  imshow(WINDOW_1, srcImage);
  imshow(WINDOW_2, Maze_map);
  Get_Maze_star();//开启DFS算法

  waitKey();

主程序读取迷宫图，然后开启DFS算法。

void Get_Maze_star()
{
  Point2i star_point;
  Point2i step_point;
  //【1】获取迷宫的起点
  for (int x = 0; x < map_width; x++)
  {
    if (Maze_map.at<uchar>(0, x) == back_color)
    {
      star_point = Point2i(x+12, 12);
      fill_map(Maze_map(Rect(x, 0, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      step_point = Point2i(star_point.x, star_point.y +step);
      break;
    }

  }
  //【2】深度优先进行搜索
  Maze_DFS(step_point);
}

开启DFS算法会首先对地图第一行元素进行遍历，查找第一个出现黑色像素（路为黑色，墙为白色）的坐标，就是入口。

然后将入口坐标传给

 //【2】深度优先进行搜索
  Maze_DFS(step_point);

函数，该函数会进行迭代搜索：


void Maze_DFS(Point2i step_point_)
{
  Point2i step_point;
  if (Locate_Exit == false)//还未找到出口
  {
    //【1】迭代终止条件
    if (step_point_.x < step || step_point_.y < step || map_width - step_point_.x < step || map_width - step_point_.y < step)//走到出口
    {
      fill_map(Maze_map(Rect(step_point_.x - 12, step_point_.y - 12, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      Locate_Exit = true;
      return;
    }
    else if (Maze_map.at<uchar>(step_point_.y - step, step_point_.x) != back_color &&
      Maze_map.at<uchar>( step_point_.y, step_point_.x + step) != back_color &&
      Maze_map.at<uchar>(step_point_.y + step, step_point_.x) != back_color &&
      Maze_map.at<uchar>( step_point_.y, step_point_.x - step) != back_color)   //四面皆不可走（死胡同），返回
    {
      fill_map(Maze_map(Rect(step_point_.x - 12, step_point_.y - 12, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      return;
    }

    //【2】如果有路可走，顺时针判断可走的分叉并进行迭代
    for (int i = 0; i < 4; i++) {
      step_point.x = step_point_.x + X[i];
      step_point.y = step_point_.y + Y[i];
      if (Maze_map.at<uchar>(step_point.y, step_point.x) == back_color)
      {
        fill_map(Maze_map(Rect(step_point.x - 12, step_point.y - 12, step, step)), stepImage);
        imshow(WINDOW_2, Maze_map);
        waitKey(show_speed);
        Maze_DFS(step_point);
      }
    }
  }
  else
    return; 
}

该函数有两个重要得点，首先是要确定迭代终止得条件，走迷宫得迭代终止条件是走到了终点，则直接将 Locate_Exit标识符置为true，永久退出迭代；或者走到了死胡同，则退出当前迭代，返回上一层迭代（也就是返回交叉路口，继续其他路径得探索）。

第二个点是如果没有走到死胡同或者终点，则要继续迭代，迭代就是将下一步的位置传给Maze_DFS（）函数。

算法效果：
在这里插入图片描述

广度优先搜索BFS算法

而广度优先搜索，则重点是广度，以迷宫为例，当一个小人走到了岔路口A时，他同样可以向下或者向右走，他会将这两个选择放入到队列中，并将他们各自都走一遍，而每一条路走到新的岔路口，同样将所有岔路口加到队列中并将所有岔路口都走一遍。

当走到死胡同时，则没有可以往队列中添加的岔路口，并且也没有路可走，则当前路径探索完毕。

同时小人走过的岔路口都会从队列中删除。直到队列中没有岔路口可走或者走到了出口，则广度优先搜索算法结束。

首先是广度优先搜算算法的一些声明：

//广度优先算法BFS
bool inq[map_width][map_width] = { false }; //记录位置x,y是否入过队列
bool test(Point2i P);//判断当前点是否可以走
void Maze_BFS();//BFS算法

主函数：

 //【2】广度优先算法BFS
  Mat srcImage;
  srcImage = imread("迷宫图.jpg", 0);
  srcImage.copyTo(Maze_map);
  namedWindow(WINDOW_1);   //定义一个窗口
  namedWindow(WINDOW_2);   //定义一个窗口
  imshow(WINDOW_1, srcImage);
  imshow(WINDOW_2, Maze_map);
  Maze_BFS();//开启BFS算法

  waitKey();

其中BFS算法：


void Maze_BFS()
{
  queue<Point2i> Q;
  Point2i star_point;
  Point2i step_point;
  //【1】获取迷宫的起点
  for (int x = 0; x < 500; x++)
  {
    if (Maze_map.at<uchar>(0, x) == back_color)
    {
      star_point = Point2i(x + 12, 12);
      fill_map(Maze_map(Rect(x, 0, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      step_point = Point2i(star_point.x, star_point.y + step);
      break;
    }

  }
  Q.push(step_point);//将当前起点加入队列；
  //【2】进行广度搜索
  while (!Q.empty()) {
    Point2i top = Q.front();
    Q.pop();
    if (top.x < step || top.y < step || map_width - top.x < step || map_width - top.y < step)//终点的条件
    {
      fill_map(Maze_map(Rect(top.x - 12, top.y - 12, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      waitKey(show_speed);
      break;
    }    
    for (int i = 0; i < 4; i++) {
      Point2i new_step;
      new_step.x = top.x + X[i];
      new_step.y = top.y + Y[i];
      if (test(new_step)) {
        fill_map(Maze_map(Rect(new_step.x - 12, new_step.y - 12, step, step)), stepImage);
        imshow(WINDOW_2, Maze_map);
        waitKey(show_speed);
        Q.push(new_step);
        inq[new_step.x][new_step.y] = true;
      }
    }
  }

}

首先还是获得迷宫入口，然后就可以开始BFS算法了。

BFS算法首先定义了一个点队列：

queue<Point2i> Q;

然后获取迷宫入口，并将入口点坐标加入到队列中。

//【1】获取迷宫的起点
  for (int x = 0; x < 500; x++)
  {
    if (Maze_map.at<uchar>(0, x) == back_color)
    {
      star_point = Point2i(x + 12, 12);
      fill_map(Maze_map(Rect(x, 0, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      step_point = Point2i(star_point.x, star_point.y + step);
      break;
    }

  }
  Q.push(step_point);//将当前起点加入队列；

当队列不为空时，则一直循环进行搜索：

  //【2】进行广度搜索
  while (!Q.empty()) {
    Point2i top = Q.front();
    Q.pop();

首先将队列首结点取出，然后判断首结点（也就是当前小人的位置）是不是满足出口条件

 if (top.x < step || top.y < step || map_width - top.x < step || map_width - top.y < step)//终点的条件
    {
      fill_map(Maze_map(Rect(top.x - 12, top.y - 12, step, step)), stepImage);
      imshow(WINDOW_2, Maze_map);
      waitKey(show_speed);
      break;
    }

如果满足出口，则跳出while循环，BFS算法结束。

如果不满足，则继续走下一步：

    for (int i = 0; i < 4; i++) {
      Point2i new_step;
      new_step.x = top.x + X[i];
      new_step.y = top.y + Y[i];
      if (test(new_step)) {
        fill_map(Maze_map(Rect(new_step.x - 12, new_step.y - 12, step, step)), stepImage);
        imshow(WINDOW_2, Maze_map);
        waitKey(show_speed);
        Q.push(new_step);
        inq[new_step.x][new_step.y] = true;
      }
    }

利用增量数组，for循环访问当前小人位置的四个方向，如果是路可以走，则将可以走的路加入到队列。

BFS算法运行结果，可以与DFS算法运行结果做比较：

在这里插入图片描述

THE END

本文程序我就直接放到qq群222954293里啦，算法代码这种实操文字实在是有些难以讲清楚，如果有不懂的地方，就来群里一起交流吧。
在这里插入图片描述

周旋机器视觉
关注
  • 2
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
opencv膨胀腐蚀之走迷宫.doc
06-27
opencv膨胀腐蚀之走迷宫.doc
基于python的CV变异系数计算软件（适用于长时间栅格数据）
最新发布
weixin_43887139的博客
01-22 654
计算CV变异系数，分析数据波动情况
CV之cv2：基于python语言利用cv2库对几何形状图像边界进行识别检测并计算周长/面积以及输出颜色/形状类型之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
07-04 1万+
CV之cv2：基于python语言利用cv2库对几何形状图像边界进行识别检测并计算周长/面积以及输出颜色/形状类型之详细攻略。
OpenCV-迷宫解密
happy game
10-11 5625
如下图所示，可以看到是一张较为复杂的迷宫图，相信也有人尝试过自己一点一点的找出口，但我们肉眼来解谜恐怕眼睛有点小难受，特别是走了半天发现这迷宫无解，代入一下已经生气了，所以我们何必不直接开挂，使用opencv来代替我们寻找最优解。恩，不错，那就整！注：图像自己截图获取即可。
Python-OpenCV 实现美图秀秀视频剪辑效果【转场】
God-Excious的博客
09-30 5176
文章目录前言一、闪黑二、上移/下移/左移/右移三、向上擦除/向下擦除/向左擦除/向右擦除四、横向拉幕/竖向拉幕五、旋转六、上下切割/左右切割 前言 上一篇 我们讨论了单张图片的特效实现，这一篇我们讨论两张图片的转场实现 以下是练习时用到的两张图片素材 001.jpg
使用OpenCV快速解决迷宫问题
小白学视觉
09-22 3680
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达联系小编，可以获取该项目的Github源码哦https://github.com/Mnchr2018/Maze_Solution最近，我们尝试了用相机解决迷宫问题。本文将向大家介绍我们实现该功能的具体流程。项目主要需求的数据：数据集：数几百个不同大小、质量、颜色的迷宫图像，但是迷宫图像都需要是矩形的。Maze Detector：...
万无一失的OpenMV识别矩形、圆形、三角形方法
热门推荐
weixin_52385589的博客
08-20 1万+
使用识别色块的方式进行矩形、圆形、三角形识别。同时可以识别不同的色块。
OpenMV4 基于色块识别的图形+颜色+坐标识别代码（micropython）
qq_63910028的博客
11-28 7861
Openmv4 基于色块识别的图形+颜色+坐标识别代码（micropython）
Java+opencv实现bof图像检索算法
05-22
使用bof算法来提取图像特征，在corel数据集(10*100张图片)上实现以图搜图，即输入数据集中某一张图，在剩下的999张图里搜索最邻近的10张图。
MazeSolver:使用Python 3和OpenCV解决迷宫
05-17
使用OpenCV完美迷宫求解器 该项目旨在找到完美迷宫的解决方案，完美迷宫的定义是从迷宫中的任何点到任何其他点只有一条路径的迷宫。 另外，迷宫没有难以接近的部分，没有圆形路径，也没有开放区域。 迷宫图像在浅色背景上应具有深色的墙壁。 为了生成迷宫，已经使用了在线迷宫生成器工具。 使用的工具 OpenCV3.4 Python 3.6 任务分析 OpenCV OpenCV（开源计算机视觉库）是一个开源计算机视觉和机器学习软件库。 OpenCV构建旨在为计算机视觉应用程序提供通用的基础结构，并加速在商业产品中使用机器感知。 该库具有2500多种优化算法，其中包括一整套经典和最新的计算机视觉和机器学习算法。 OpenCV应用领域包括： 面部识别系统 手势识别 人机交互（HCI） 移动机器人 运动理解 对象识别 等高线 轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。
GLG，FGLG算法OpenCV实现
11-25
GLG，FGLG算法OpenCV实现评分: C++ OpenCV实现的GLG,FGLG算法，带有测试图片
Opencv实现用于图像分割分水岭算法
08-28
主要为大家详细介绍了Opencv实现用于图像分割分水岭算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
OpenCV算法精解-代码
07-12
OpenCV算法精解-代码
Openmv新新手入门方法
qq_43667130的博客
01-11 1万+
前言 openmv作为一个比较成完善的模块，在各种需要用到视觉的方面，比如做项目和参加比赛，都是常用到的一种。它是一个将摄像头和单片机处理器结合在一起的一种系统，且它的开发包简单易懂并且全面，在各种视觉处理方法选择中是比较好上手的一种，相当于单片机中的arduion，不过我并不常使用openmv来做我项目视觉的解决方法，因为觉得它封装的越好越显得low。。。不过仅是我个人看法。 步骤一 要学ope...
VS2017配置Opencv4.10教程
qq_43667130的博客
01-31 5425
Opencv 超级傻瓜配置，一套完美完成，超良心制作 opencv安装包下载 已经下载好的可以跳过。 官网去下载opencv的函数包，官网地址：https://opencv.org/ 点击箭头releases,跳到如下页面： 进入后点击Windows，进入如下页面，点击下载，路径自己随便改。 下载完毕后是个这个： 安装，直接点击exe解压就行，地址放别的地不建议c盘，比较大： 配置环境...
【RoboMaster】我是这样搞定第一次单目相机测距的
qq_43667130的博客
02-03 5145
之前在做一个单目测距的小项目，大概需要就是用单目相机，对一个特定的目标进行识别并测算相机与该目标的距离。所以便去网上找了一堆教程，这里给大家总结一下，希望给小白们一个参考。 首先是基本需求了： opencv自然要会的，这咱就不多说了，会一点就行 需要一个摄像头，我用的是一个畸变很大的鱼眼免驱动摄像头，大家用电脑上的那个自带摄像头也可以的，就是不方便。 需要MATLAB进行相机标定 需要一个编程环...
【手撕算法】HC显著性检测算法
qq_43667130的博客
03-05 3870
前言 HC算法出自程明明老师的论文： Global Contrast based Salient Region Detection 这个论文一共提到了两种算法，分别是HC与RC。 HC仅仅是考虑了颜色特征，而RC考虑了空间特征。我们上一篇文章介绍的LC算法就是仅考虑了颜色特征。 HC算法和LC算法本质上是没有什么区别的， 但上篇LC算法我们给出代码处理的是灰度图，而HC算法是在LAB颜色空间处理的彩色图。 RC以后再说。 此外我建了一个微信交流群，号主我比较菜，不过群里有厉害的哈哈，欢迎大家进群一起学习.
【手撕算法】Criminisi图像修复算法C++实现
qq_43667130的博客
04-19 2340
该算法出自Criminisi的论文 Region Filling and Object Removal by Exemplar-Based Image Inpainting 该算法只要思路是利用图片的已知区域对待修复区域进行填充。而填充的顺序是根据计算优先级确定的，填充的基本单位是自定义大小的像素块。 先来看一下论文中比较重要的两个图片， 图一介绍了填充的基本原理： 将图像分为已知区域（source region）和待填充或移除区域（target region），填充从target region的边界
automatedMSRCR算法opencv 实现
05-05
自适应多尺度Retinex（MSRCR）算法是一种图像增强算法，可以帮助提高图像的质量。该算法的实现可以使用OpenCV库。 下面是一个简单的示例代码，演示如何使用OpenCV实现自适应多尺度Retinex算法： ```python import cv2 def automatedMSRCR(image): # 将图像转换为灰度 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 计算图像的对数 log = cv2.log(gray.astype('float') + 1.0) # 计算亮度分量的平均值 mean = cv2.mean(log)[0] # 计算亮度分量的标准偏差 stddev = cv2.meanStdDev(log)[1][0][0] # 计算增益和偏移量 alpha = 0.2 beta = (1.0 - alpha) * mean # 计算对数的自适应多尺度Retinex s1 = cv2.GaussianBlur(log, (0, 0), 15) - cv2.GaussianBlur(log, (0, 0), 101) s2 = cv2.GaussianBlur(log, (0, 0), 3) - cv2.GaussianBlur(log, (0, 0), 15) s3 = cv2.GaussianBlur(log, (0, 0), 3) - log # 将增益和偏移量应用于结果 result = cv2.normalize(alpha * (s1 + s2 + s3) + beta, None, 0.0, 255.0, cv2.NORM_MINMAX) result = cv2.convertScaleAbs(result) # 返回增强的图像 return result ``` 上述代码中，我们首先将图像转换为灰度图像，然后计算其对数。接下来，我们计算亮度分量的平均值和标准偏差，并使用这些值计算增益和偏移量。最后，我们计算对数的自适应多尺度Retinex，并将增益和偏移量应用于结果。 请注意，此代码仅用于演示目的，可能需要进行优化以获得更好的性能和结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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