OpenCV之灰度空间变换

OpenCV入门之灰度空间变换

本系列博客主要以数字图像处理第三版为算法基础，以OpenCV为工具进行图像处理基础知识的分享。该教材的前两张基础知识这里不详述，有需要的读者自行查阅。本篇博客介绍第三章的前半部分，灰度变换。
关于OpenCV的编译在之前的文章中都有介绍，分别介绍了OpenCV在Ubuntu上的编译以及在android上的交叉编译。感兴趣的读者可以自己尝试从源码编译，这样方面自己在OpenCV源码上进行调整或这添加自己的功能。如果单纯是使用的话，读者可以在github上下载OpenCV项目下release的库使用。

本篇博文主要介绍灰度空间变换，该技术是图像处理中最基础，最简单的方法，但是也是应用最广泛的方法。灰度空间变换属于一种点处理技术，与之对应的滤波则是一种邻域处理技术。所以灰度空间处理的抽象化函数很简单，如下：

                  s = T(r)

其中，r是原始图像的像素，s是经过T处理后的像素。

理论介绍

理论介绍部分主要分为两部分，基本的灰度变化函数以及直方图处理。首先介绍基本的灰度变化函数，主要包括图像反转，对数变换，伽马变换和分段线性变换函数。

基本灰度变换函数

图像反转

图像反转的计算公式很简单：

$$s=L-1-r$$

其中L代表图像的灰度范围是[0, L - 1];我们通常讨论的是8bit图，也就是灰度级别L=256；这种处理很简单，他特别适用于处理图像暗色区域的白色或者灰色细节，尤其是黑色面积在图像上占据主导地位时。

对数变换

对数变换公式如下：

$$s=clog(1+r)$$

其中c是常数，并假设r大于等于0.
对数变换将输入中灰度范围较窄的低灰度值映射为输出范围较宽的高灰度值；我们使用这种变换来扩展图像中的暗像素值，同时压缩更高灰度级的值。反对数变换的作用刚好相反。

伽马变换

伽马变换公式如下：

$$s=c{r}^{\gamma }$$

伽马变换与对数变换类似，都能够调整图像的输出灰度级；区别在与通过调整$\gamma$值我们就能够得到正反对数变换相同的效果，甚至效果增强。

分段线性变换函数

分段线性变换较前三种变换函数的主要优点是，其形式可以任意复杂，因此其可操作空间更大，用户可以根据实际需求来定义不同的函数对图像进行多种变换，进而也造成他的缺点便是规则需要用户自己确定。

• 对比度拉伸
  最简单的分段线性函数之一便是对比度拉伸变换。如下便是一个用于对比度拉伸的典型变换，也称为阈值处理函数。

T ( r ) = { r , i f ( r ≤ r 0 ) k × r , i f ( r > r 0 & & r ≤ r 1 ) r , i f ( r > r 1 ) T(r) = \begin{cases} r, & {if( r \leq r_0)} \\ k\times r, & {if(r > r_0 \&\& r \leq r_1)} \\ r, & {if(r > r_1)} \end{cases} T(r)=⎩⎪⎨⎪⎧​r,k×r,r,​if(r≤r0​)if(r>r0​&&r≤r