图像处理之灰度变换（C++）

已于 2024-04-10 11:42:09 修改
阅读量853 收藏 6
点赞数 24
分类专栏： 图像处理（C++/opencv） 文章标签： 图像处理 opencv c++
于 2024-04-10 11:40:11 首次发布
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_45045175/article/details/137566279
版权

图像处理之灰度变换（C++）

文章目录

前言

灰度变换是将图像的灰度级从一个范围映射到另一个范围的操作，从而实现调整图像的亮度和对比度，增强图像的细节和视觉效果。灰度级是指图像中像素的亮度或者灰度值的程度。
灰度变换增强（线性灰度变换、分段线性灰度变换、非线性灰度变换）C++实现。

一、线性灰度变换

1.原理

线性灰度变换的公式： g(x,y) = a*f(x,y) + b
其中，g(x,y)为变换后的灰度值，f(x,y)为原始灰度值，a和b为常数。通过调整a和b的值，可以实现不同的灰度变换效果。
常见的线性灰度变换包括亮度增强、对比度增强、灰度拉伸等操作。例如，
如果要进行亮度增强，可以选择a>1，b=0；
如果要进行对比度增强，可以选择a>1，b=（1-a）*128。

2.代码实现

#include <iostream>
#include <opencv.hpp>
using namespace std;

/*
* @param cv::Mat src	输入图像
* @param cv::Mat& dst	输出图像
* @breif 灰度线性变换
*/
void LinearGrayTrans(const cv::Mat& src,cv::Mat& dst,float a,float b)
{
	//建立灰度映射表
	float grayTable[256];
	for (int i = 0; i < 256; i++)
		grayTable[i] = a * i + b;

	//遍历修改灰度值
	//为了防止发生截断（像素值超过255或者小于0），对dst图像进行数据类型转换
	//dst.convertTo(dst, CV_16FC1);
	int temp = 0;
	for(int i=0;i<src.rows;i++)
		for (int j = 0; j < src.cols; j++)
		{
			temp = src.at<uchar>(i, j);
			dst.at<float>(i, j) = grayTable[temp];
		}
	//将数据缩放到0-255
	cv::normalize(dst, dst, 0, 255, cv::NORM_MINMAX);
	//dst的数据类型还原为CV_8UC1
	dst.convertTo(dst,CV_8UC1);
}

int main()
{
	// 读取图片
	string filepath = "F://work_study//algorithm_demo//zidane.jpg";
	cv::Mat src = cv::imread(filepath,cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		return -1;
	}

	//注意：大坑！因为CV_16FC1是为了深度学习引入的，所以在后续的其他函数不支持。更改数据类型为CV_32FC1
	cv::Mat dst(src.size(), CV_32FC1);		

	LinearGrayTrans(src,dst,1.45,15.0);
	
	// 显示图片
	cv::imshow("dst", dst); 
	
	system("pause");
	return 0;
}

二、分段线性灰度变换

1.原理

分段线性变换是指在不同的区间内，使用不同的线性函数进行变换。其公式可以表示为：
分段线性函数公式
其中，a1、a2分别为不同区间内的斜率，b1、b2分别为不同区间内的截距，x1为灰度变换灰度值分界点。根据实际需要，可以有多个分段和不同的线性函数。

2.代码实现

/*
* @param cv::Mat src	输入图像
* @param cv::Mat& dst	输出图像
* @param float a1,b1	第一段分段变换直线的斜率和截距
* @param float a2,b2	第二段分段变换直线的斜率和截距
* @param int x			分段变换灰度值临界点,范围是[0,255]
* @breif 分段灰度线性变换
*/
void PieceLinearGrayTrans(const cv::Mat& src, cv::Mat& dst, float a1, float b1,float a2,float b2,int x)
{
	//建立灰度映射表
	float grayTable[256];
	for (int i = 0; i < 256; i++)
	{
		if(i<x)
			grayTable[i] = a1 * i + b1;
		else 
			grayTable[i] = a2 * i + b2;
	}
		

	//遍历修改灰度值
	//为了防止发生截断（像素值超过255或者小于0），对dst图像进行数据类型转换
	//dst.convertTo(dst, CV_16FC1);
	int temp = 0;
	for (int i = 0; i < src.rows; i++)
		for (int j = 0; j < src.cols; j++)
		{
			temp = src.at<uchar>(i, j);
			dst.at<float>(i, j) = grayTable[temp];
		}
	//将数据缩放到0-255
	cv::normalize(dst, dst, 0, 255, cv::NORM_MINMAX);
	//dst的数据类型还原为CV_8UC1
	dst.convertTo(dst, CV_8UC1);
}



int main()
{
	// 读取图片
	string filepath = "F://work_study//algorithm_demo//zidane.jpg";
	cv::Mat src = cv::imread(filepath,cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		return -1;
	}

	//注意：大坑！因为CV_16FC1是为了深度学习引入的，所以在后续的其他函数不支持。更改数据类型为CV_32FC1
	cv::Mat dst(src.size(), CV_32FC1);		

	PieceLinearGrayTrans(src,dst,1.45,15.0,1.5,25,100);
	
	// 保存图片
	cv::imwrite("dst.jpg", dst); 
	
	system("pause");
	return 0;
}

三、非线性灰度变换（对数变换、伽马变换）

1.原理

1.1 对数变换

对数变换（Logarithmic Transformation）是一种将图像的亮度值进行对数运算的方法，可以增强图像的暗部细节。其原理是通过对亮度值进行对数变换，将较大亮度的像素值压缩到较小范围，同时增强较小亮度的像素值。对数变换的公式为：

									s = c * log(1 + v*r)

其中，s为变换后的亮度值，r为原始亮度值，c为常数，用于调控变换的幅度,v为系数。

1.2 伽马变换

伽马变换（Gamma transformations）的原理是通过对原始数据进行幂次运算，改变数据的幅度范围，从而使得数据更加符合人眼对亮度的感知。幂次变换的公式为：

									s = c*(r ^ γ)

其中，c为常数，r为原始数据，s为变换后的数据，γ为幂次指数。
当γ>1时，幂次变换将增强较暗的像素值，减弱较亮的像素值；
当γ<1时，幂次变换将增强较亮的像素值，减弱较暗的像素值；
当γ=1时，幂次变换不对像素值进行变换。

2.代码实现

1.1 对数变换

/*
* @param cv::Mat src	输入图像
* @param cv::Mat& dst	输出图像
* @param float c		常数，用于控制变换幅度
* @param float v		系数
* @breif 对数变换
*/
void LogGrayTrans(const cv::Mat& src, cv::Mat& dst,float c,float v)
{
	//建立灰度映射表
	float grayTable[256];
	for (int i = 0; i < 256; i++)
	{
		grayTable[i] = c*log(1 + v * i);
	}


	//遍历修改灰度值
	//为了防止发生截断（像素值超过255或者小于0），对dst图像进行数据类型转换
	//dst.convertTo(dst, CV_16FC1);
	int temp = 0;
	for (int i = 0; i < src.rows; i++)
		for (int j = 0; j < src.cols; j++)
		{
			temp = src.at<uchar>(i, j);
			dst.at<float>(i, j) = grayTable[temp];
		}
	//将数据缩放到0-255
	cv::normalize(dst, dst, 0, 255, cv::NORM_MINMAX);
	//dst的数据类型还原为CV_8UC1
	dst.convertTo(dst, CV_8UC1);
}

int main()
{
	// 读取图片
	string filepath = "F://work_study//algorithm_demo//zidane.jpg";
	cv::Mat src = cv::imread(filepath,cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		return -1;
	}

	//注意：大坑！因为CV_16FC1是为了深度学习引入的，所以在后续的其他函数不支持。更改数据类型为CV_32FC1
	cv::Mat dst(src.size(), CV_32FC1);		

	LogGrayTrans(src, dst, 2, 4);
	
	// 保存图片
	cv::imwrite("dst.jpg", dst); 
	
	system("pause");
	return 0;
}

1.2 伽马变换

/*
* @param cv::Mat src	输入图像
* @param cv::Mat& dst	输出图像
* @param float c		常数，用于控制变化幅度
* @param float gamma	指数
* @breif 伽马变换
*/
void GammaLinearGrayTrans(const cv::Mat & src, cv::Mat & dst, float c, float gamma)
{
	//建立灰度映射表
	float grayTable[256];
	for (int i = 0; i < 256; i++)
	{
		grayTable[i] = c*pow(i,gamma);
	}


	//遍历修改灰度值
	//为了防止发生截断（像素值超过255或者小于0），对dst图像进行数据类型转换
	//dst.convertTo(dst, CV_16FC1);
	int temp = 0;
	for (int i = 0; i < src.rows; i++)
		for (int j = 0; j < src.cols; j++)
		{
			temp = src.at<uchar>(i, j);
			dst.at<float>(i, j) = grayTable[temp];
		}
	//将数据缩放到0-255
	cv::normalize(dst, dst, 0, 255, cv::NORM_MINMAX);
	//dst的数据类型还原为CV_8UC1
	dst.convertTo(dst, CV_8UC1);
}

int main()
{
	// 读取图片
	string filepath = "F://work_study//algorithm_demo//zidane.jpg";
	cv::Mat src = cv::imread(filepath,cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		return -1;
	}

	//注意：大坑！因为CV_16FC1是为了深度学习引入的，所以在后续的其他函数不支持。更改数据类型为CV_32FC1
	cv::Mat dst(src.size(), CV_32FC1);		

	GammaGrayTrans(src, dst, 2, 4);
	
	// 保存图片
	cv::imwrite("dst.jpg", dst); 
	
	system("pause");
	return 0;
}

总结

本文主要讲解了几种常见的图像变换方法，主要包括线性变换、非线性变换、以及分段变换，关于参数的选择需要通过实验确定，也可以将各种方法组合，比如分段变换不仅仅是线性的。`
因为笔者水平有限，有错误欢迎指出，代码本人均在本地运行实验正确，大家放心使用。

小杜同学_
关注
  • 24
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
C++实现图像灰度变换（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
06-25 340
C++实现图像灰度变换（附完整源码）
opencv-基于c++实现的opencv图像处理算法之灰度变换算法.zip
最新发布
05-15
opencv opencv_基于c++实现的opencv图像处理算法之灰度变换算法
OpenCV数字图像处理基于C++：灰度变换
qq_43784519的博客
10-06 5218
介绍了灰度变换的基本概念和操作
python 图像处理 灰度变换
weixin_63629613的博客
05-29 815
python 图像处理 灰度变换
C++图像识别转灰度
chensangyao0026的博客
06-05 671
1#include<stdafx.h>2#include<stdio.h>3#include<string.h>4#include<math.h>5#include<windows.h>...
灰度变换（python）
充满焦虑的大学生
03-14 597
corrected_image=(corrected_image*255).astype(np.uint8)和前面一样，先将值重新回到整数范围，之后进行归一化。img.shape 用于获取图像的尺寸信息，如果'img'是彩色图像，则返回三个值的元组(高，宽，通道数).如果'img'是灰度图像，则返回元组的高和宽。cv2.imshow('img', img)，第一个参数'img'是显示窗口的名称，第二个参数'img'是要显示的图像数据。灰度级在区间[0,L-1]内的反转图像的形式为：s=L-1-r。
C++处理处理图像的灰度变换
10-17
用C++能打开BMP图像，显示，并进行灰度变换如：二值化，灰度直方图，灰度均衡。
基于Qt+opencv+c++图像处理系统+完成了图像的灰度变换、形态学操作、图像分割、图像滤波、边缘检测、人脸检测等功能
04-20
基于Qt+opencv+c++图像处理系统+完成了图像的灰度变换、形态学操作、图像分割、图像滤波、边缘检测、人脸检测等功能，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用...
二维灰度图像的小波变换和逆变换的C++实现
11-10
二维灰度图像的小波变换和逆变换的C++实现，包括源码和编译后程序，可直接运行
数字图像处理 灰度变换
05-17
数字图像处理 灰度变换 VC++6.0环境
c++图像处理，灰度化
04-20
c++写的处理图像的小程序，图像灰度化，旋转
图像灰度化处理
11-24
利用opencv库，将彩色图像转化为灰度图像，并进行显示和存储，
彩色图转灰度图之c++实现（qt + 不调包）
修行之路
08-29 604
彩色图转灰度图之c++实现（qt + 不调包）
灰度图基本概念及其C++代码实例
qq_46017342的博客
05-21 3264
灰度图基本概念及其C++代码实例
实验二 图像直方图及灰度变换（Python实现）
ReadyGo!!!的博客
04-06 8165
数字图像处理 实验二 图像直方图及灰度变换（Python实现）
基于opencv的c++图像处理（灰度变换）
qq_40118285的博客
09-19 3470
基于opencv的c++接口，实现常用的图像灰度变换方法，包括了线性变换、图像反转、对数变换和伽马变换。
python图像灰度变换
imxlw00的专栏
09-28 2979
二值化 非0元素取1法 非零元素取一法是最基础的二值化算法。顾名思义，非零取一就是对于灰度图像f，若某像素灰度值为零，则其灰度值不变，仍为零;对于灰度值不为零的像素，将其像素值全部变为255。 img = np.zeros((w, h), dtype=np.uint8) for j in range(h): for i in range(w): if grey[j, i] != 0: img[j, i] = 255 固定阀值法 固定阀值法就是为灰度
[Python从零到壹] 四十四.图像增强及运算篇之图像灰度线性变换详解
热门推荐
杨秀璋的专栏
02-28 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，上一篇文章是图像点运算的灰度化处理知识，包括各种灰度算法的实现，以及灰度线性变换和灰度非线性变换。这篇文章将详细讲解图像灰度线性变换，包括灰度上移、对比度增强、对比度减弱和灰度反色变换。希望文章对您有所帮助，如果有不足之处，还请海涵。
opencv图像灰度变换分层 c++
07-28
你好！要在C++中进行图像灰度变换分层，可以使用OpenCV库。下面是一个示例代码，用于将图像分为不同的灰度层： ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { // 读取图像 Mat image = imread("image.jpg", IMREAD_GRAYSCALE); // 验证图像是否成功加载 if (image.empty()) { std::cout << "无法读取图像" << std::endl; return -1; } // 定义灰度级别 int levels = 4; // 计算灰度层的间隔 int interval = 256 / levels; // 创建分层图像 std::vector<Mat> layers(levels); // 对每个像素进行分层 for (int i = 0; i < levels; i++) { // 设置当前灰度层的最小和最大值 int minVal = i * interval; int maxVal = (i + 1) * interval; // 将图像像素值限制在指定范围内 layers[i] = image.clone(); layers[i].setTo(0, layers[i] < minVal); layers[i].setTo(0, layers[i] >= maxVal); // 缩放显示 Mat layerScaled; normalize(layers[i], layerScaled, 0, 255, NORM_MINMAX); // 显示当前灰度层图像 imshow("Layer " + std::to_string(i + 1), layerScaled); } // 等待按键退出 waitKey(0); return 0; } ``` 请确保在代码中替换`image.jpg`为你要处理的图像路径。该示例将图像分为4个灰度层，并显示每个层的结果。 希望对你有所帮助！如果有任何问题，请随时提问。

“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 2
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