图片对比度增强

最新推荐文章于 2024-02-29 08:23:11 发布
最新推荐文章于 2024-02-29 08:23:11 发布
阅读量1.8k 收藏 3
点赞数 1
分类专栏： opencv 图形图像 文章标签： opencv 图像处理
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/u011630458/article/details/50425515
版权

简介

　　本篇主要讲解利用直方图均衡化和使用模糊集合灰度变换方式来优化图片对比度，并直观显示出这两种方式下的优化效果，和优化后图片的
直方图分布情况。

直方图显示

　　开始讲图片对比度优化之前，需要先了解如何直观显示出图片的直方图，该方式在本篇后续中常用到，所以提到最开始先讲。
这里直接使用opencv实现，具体代码如下：

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  
 
using namespace cv;
 
IplImage *DrawHistogram(CvHistogram *hist,float scaleX = 1,float scaleY = 1){
    float histMax = 0;
 
    cvGetMinMaxHistValue(hist,0,&histMax,0,0);
 
    IplImage *imgHist = cvCreateImage(cvSize(256*scaleX,64*scaleY),8,1);
 
    cvZero(imgHist);
 
    for(int i=0;i<255;i++){
        float histValue = cvQueryHistValue_1D(hist,i);
        float nextValue = cvQueryHistValue_1D(hist,i+1);
 
        CvPoint pt1 = cvPoint(i*scaleX,64*scaleY);
        CvPoint pt2 = cvPoint((i+1)*scaleX,64*scaleY);
        CvPoint pt3 = cvPoint((i+1)*scaleX,64*scaleY - (nextValue/histMax) * 64*scaleY);
        CvPoint pt4 = cvPoint(i*scaleX,64*scaleY - (histValue/histMax) * 64*scaleY);
 
        int numPts = 5;
        CvPoint pts[5];
        pts[0] = pt1;
        pts[1] = pt2;
        pts[2] = pt3;
        pts[3] = pt4;
        pts[4] = pt1;
 
        cvFillConvexPoly(imgHist,pts,numPts,cvScalar(255));
    }
     
    return imgHist;
}
 
int main(int argc , char** argv){
    cv::Mat image;
    int dims = 1;
    int size = 256;
    float range[] = {0,255};
    float* ranges[] = {range};
    Mat mat;
    IplImage src;
     
    if(argc < 2){
        printf("Please input picture!\n");
        return -1;
    }
    mat = imread(argv[1], 0);
    src = mat;
    cvShowImage("src", &src);
 
    CvHistogram *hist = cvCreateHist(dims,&size,CV_HIST_ARRAY,ranges,1);
    cvClearHist(hist);
 
 
    IplImage *imgGray = cvCreateImage(cvGetSize(&src),8,1);
 
    cvSplit(&src,imgGray, NULL, NULL, NULL);
 
    cvCalcHist(&imgGray, hist, 0, 0);
    IplImage *histGray = DrawHistogram(hist);
    cvClearHist(hist);
 
    cvShowImage("Gray",histGray);
 
    cv::waitKey(0);
    return 0;
}

效果演示

　　具体代码内容就不细讲了，结果显示如下：

直方图均衡化

　　该方式的实现，网上已经有很多例子了，这里提出来讲下，是为了方便和模糊集合灰度变换方式做效果对比。

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  
 
using namespace cv;
 
int main(int argc , char** argv){
    cv::Mat image;
    int size = 256;
    Mat mat;
    IplImage src;
    int i, j, width, height;
    int c[size];
    double p[size];
    CvScalar s1;
    double max, min;
 
    if(argc < 2){
        printf("Please input picture!\n");
        return -1;
    }
    mat = imread(argv[1], 0);
    src = mat;
    imshow("src", mat);
    width = mat.rows;
    height = mat.cols;
    uchar* ptr = mat.ptr(0);
 
    for(i=0; i<size; i++){
        p[i] = 0;
        c[i] = 0;   
    }
 
    max=min=ptr[0];
    for(i=0; i<width; i++){
        for(j=0;j<height; j++){
            int k;
            s1 = cvGet2D(&src, i, j);
            k = (int)s1.val[0];
            c[k]++;
            if(max<s1.val[0]){
                max=s1.val[0];
            }else if(min>s1.val[0]){
                min=s1.val[0];
            }
        }
    }
    printf("min:%lf, max:%lf\n", min, max);
    for(i=0;i<size;i++){
        if(i > 0){
            p[i] += p[i - 1];
        }
        p[i] += ((double)c[i])/((double)(width*height));
 
        printf("p[%d]:%lf, c[%d]:%d\n", i, p[i], i, c[i]);
    }
 
    for(i=0; i<width; i++){
        for(j=0; j<height; j++){
            s1 = cvGet2D(&src, i, j);
            s1.val[0] = p[(int)s1.val[0]] * (max-min) + min;
            cvSet2D(&src, i, j, s1);
        }
    }
 
    imshow("dst", mat);
    imwrite("dst1.png", mat);
    cv::waitKey(0);
    return 0;
}

代码讲解

　　这里只讲解下相关的核心代码：
1、找到图像中最大像素、最小像素值、同时统计出图像所有像素值在[0, 255]范围内出现的数
max=min=ptr[0];
for(i=0; i<width; i++){
for(j=0;j<height; j++){
    int k;
    s1 = cvGet2D(&src, i, j);
    k = (int)s1.val[0];
    c[k]++;
    if(max<s1.val[0]){
         max=s1.val[0];
    }else if(min>s1.val[0]){
     min=s1.val[0];
    }
    }
}
2、从0开始到255，依次叠加到当前像素数量的概率。
for(i=0;i<size;i++){
if(i > 0){
    p[i] += p[i - 1];
}
p[i] += ((double)c[i])/((double)(width*height));
}
3、从新在min到max范围内，根据之前统计的像素概率，重新映射调整像素值，生成新图像。
for(i=0; i<width; i++){
  for(j=0; j<height; j++){
s1 = cvGet2D(&src, i, j);
s1.val[0] = p[(int)s1.val[0]] * (max-min) + min;
cvSet2D(&src, i, j, s1);
  }
}
imshow("dst", mat);
imwrite("dst1.png", mat);

结果显示

　　显示的结果如下：

模糊度集合变换

　　接下来是看下，模糊度集合变换的实现。相关原理背景请看考<数字图像处理 第三版> 116页。
该方式的核心原理为公式：
                

        
　　公式中的Udark、Ugray、Ubright由对应的当前像素点，根据右边曲线图来计算获得。
Vd = 0，表示全黑；Vg = 127, 表示中间灰度；Vb = 255，表示白。Vo表示生成的结果图像当前像素值。

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  
 
using namespace cv;
 
#define throDark 30
#define throMid 100
#define throBright 170
 
double getUdark(double num){
    double tmpUdark;
    if(num <= throDark){
        tmpUdark = 1;   
    }else if((num > throDark) && (num <= throMid)){
        tmpUdark  = ((double)(throMid - num)) / ((double)(throMid - throDark));
    }else{
        tmpUdark = 0;   
    }
    return tmpUdark;
}
 
double getUmid(double num){
    double tmpUmid;
    if((num > throDark) && (num < throMid)){
        tmpUmid  = (num - throDark) / (throMid - throDark);
    }else if((num >= throMid) && (num < throBright)){
        tmpUmid  = (throBright - num) / (throBright - throMid);
    }
    else{
        tmpUmid = 0;    
    }
    return tmpUmid;
}
 
double getUbright(double num){
    double tmpUbright;
    if(num <= throMid){
        tmpUbright = 0; 
    }else if((num > throMid) && (num <= throBright)){
        tmpUbright  = (num - throMid) / (throBright - throMid);
    }else{
        tmpUbright = 1;
    }
    return tmpUbright;
}
 
int main(int argc , char** argv){
    cv::Mat image;
    Mat mat;
    IplImage src;
    int i, j, width, height;
    CvScalar s1;
    int Uall;
    double tmp, Udark, Umid, Ubright;
 
    if(argc < 2){
        printf("Please input picture!\n");
        return -1;
    }
    mat = imread(argv[1], 0);
    src = mat;
    imshow("src", mat);
    width = mat.rows;
    height = mat.cols;
    uchar* ptr = mat.ptr(0);
 
 
    for(i=0; i<width; i++){
        for(j=0;j<height; j++){
            s1 = cvGet2D(&src, i, j);
            Udark   = getUdark(s1.val[0]);
            Umid    = getUmid(s1.val[0]);
            Ubright = getUbright(s1.val[0]);
            s1.val[0] = (0 * Udark + 127 * Umid + 255 * Ubright) / (Udark + Umid + Ubright);
//          printf("Udark:%lf, Umid:%lf, Ubright:%lf, s1.val[0]%lf\n", Udark, Umid, Ubright, s1.val[0]);
            cvSet2D(&src, i, j, s1);
        }
    }
 
    imshow("dst", mat);
    imwrite("dst2.png", mat);
    cv::waitKey(0);
    return 0;
}

代码讲解

　　1、throDark、throMid、throBright对应的就是前面曲线图中：Udark等的阀值。曲线图中阀值为63/127/191。根据图像，这些阀值我们可以自行调整。
#define throDark 30
#define throMid 100
#define throBright 170
　　2、getUdark、getUmid、getUbright三个函数通过传入的像素值，分别返回曲线图中对应的Udark，Ugray, Ubright值。
double getUdark(double num){
    double tmpUdark;
    if(num <= throDark){
        tmpUdark = 1;   
    }else if((num > throDark) && (num <= throMid)){
        tmpUdark  = ((double)(throMid - num)) / ((double)(throMid - throDark));
    }else{
        tmpUdark = 0;   
    }
    return tmpUdark;
}
 
double getUmid(double num){
    double tmpUmid;
    if((num > throDark) && (num < throMid)){
        tmpUmid  = (num - throDark) / (throMid - throDark);
    }else if((num >= throMid) && (num < throBright)){
        tmpUmid  = (throBright - num) / (throBright - throMid);
    }
    else{
        tmpUmid = 0;    
    }
    return tmpUmid;
}
 
double getUbright(double num){
    double tmpUbright;
    if(num <= throMid){
        tmpUbright = 0; 
    }else if((num > throMid) && (num <= throBright)){
        tmpUbright  = (num - throMid) / (throBright - throMid);
    }else{
        tmpUbright = 1;
    }
    return tmpUbright;
}
　　3、根据前面公式，遍历整个源图像，计算出新图像的所有像素值。
for(i=0; i<width; i++){
        for(j=0;j<height; j++){
            s1 = cvGet2D(&src, i, j);
            Udark   = getUdark(s1.val[0]);
            Umid    = getUmid(s1.val[0]);
            Ubright = getUbright(s1.val[0]);
            s1.val[0] = (0 * Udark + 127 * Umid + 255 * Ubright) / (Udark + Umid + Ubright);
//          printf("Udark:%lf, Umid:%lf, Ubright:%lf, s1.val[0]%lf\n", Udark, Umid, Ubright, s1.val[0]);
            cvSet2D(&src, i, j, s1);
        }
    }

结果显示

　　显示的结果如下：

结论分析

　　原图像、直方图均衡化后图像、模糊集合灰度变换后图像分别对应如下：

  

　　可以感觉到，模糊集合灰度变化后的图像看起来效果更好。
具体代码下载: http://download.csdn.net/detail/u011630458/9381775
羽凌寒
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数字图像处理 图像对比度增强算法概览
学以致用 知行合一
01-03 7993
第二，伽马校正是一种经过验证的技术，它通过选择最佳伽马值来产生自然外观并保持图像的平均亮度。基于直方图均衡的技术是用于对比度增强的广泛使用的技术。然而，它面临着对比度过度拉伸，这反过来会导致目标图像的细节丢失和不自然的外观。为了解决这个问题，上面的论文提出了一种新的图像对比度增强方案。ACE增强算法(自适应对比度增强)---Adaptive contrast enhancement_沉默羔羊_GUET的博客-CSDN博客_ace算法。SUACE是一种图像对比度增强算法，最初是为增强红外静脉图像而发明的。
图像对比度的模糊增强
03-11
对比度增强是一种新兴的图像增强方法，在特定的应用中，对图像进行更清晰的分析，以便在空间领域进行解释和分析。对比度增强的目标是为输入图像提供服务，以便生成的图像更适合特定的应用程序。黑白灰度阶跃较好的图像通常是人类感知的最佳图像，本文提出了一种基于模糊逻辑的新方法。为了提高基于不同隶属度函数（MFS）的图像对比度，开发了MADMANI模糊推理系统模型。
matlab计算多张图像的灰度直方图_图像增强、锐化，利用 Python-OpenCV 帮你实现 4 种方法！...
weixin_39518840的博客
10-21 941
图像增强目的使得模糊图片变得更加清晰、图片模糊的原因是因为像素灰度差值变化不大，如片各区域产生视觉效果似乎都是一样的， 没有较为突出的地方，看起来不清晰的感觉解决这个问题的最直接简单办法，放大像素灰度值差值、使图像中的细节更加清晰。目前较为常用的几个方法：伽马变换、线性变换、分段线性变换、直方图均衡化，对于图像对比度增强，都能取得不错的效果！本文将对每种方法 简单介绍一下，并借助于 Python ...
（7-1）图像增强：对比度增强
最新发布
码农三叔
02-29 1154
图像增强是一种数字图像处理技术，旨在改善或增强图像的视觉质量、清晰度和可识别性。图像增强可以涉及多种技术和方法，用于提高图像的对比度、亮度、色彩鲜艳度、细节清晰度和噪声减少等方面。在本章的内容中，将详细讲解使用Python语言实现图像增强的知识，为读者步入本书后面知识的学习打下基础。
Python_OpenCV_实现模糊集合用于图像增强（对比度提升，空间滤波）
家里蹲大学摸鱼学专业优秀毕业生的博客
03-08 1931
本文部分内容来自： https://blog.csdn.net/qq_37764129/article/details/82893966 模糊集的详细原理请看冈萨雷斯的数字图像处理教程，这里不再详细赘述。 下面将模糊集用于图像增强的步骤罗列如下： 使用模糊集合来进行灰度变换，从而增强图像。首先可以在常理下考虑一下，一般的对于动态范围较小的图像，我们一般的处理的方法是灰度拉升，或者直方图均衡。 这两种的方法的本质就是，让原图较暗的像素更加暗，让原图较亮的像素更加亮。那么，我们规定如下模糊规则 R1：IF 一个
java 灰度直方图_图像的灰度直方图
weixin_39715187的博客
02-16 211
1、一维直方图：单通道，bin是一条直线二维直方图：双通道，bin是一个矩形2、直方图的结构体：CvHistogramtypedef struct CvHistogram{int type;CvArr* bins;存放直方图在每一维上直方柱的具体数据，由于存在多维直方图。如果是一维直方图，那么bins就是一个一维 的矩阵；如果是二维直方图，那么bins就是一个二维的矩阵，等等。float ...
各类图像增强算法代码(对比度调整、各种模糊、图像畸变等)
sazass的博客
11-02 1064
需要pip下载albumentations 库，里面都是封装好的图像增强算法，直接调用。 import cv2 import albumentations as A if __name__ == '__main__': img = cv2.imread('E:/dataset/orgtrain_foods60cls/1apple/7232.jpg') cv2.imshow("org",img) image3 = A.Compose([ # （Contrast Li
图像对比度增强（Contrast Enhancement）详解
molihong28的博客
04-12 5万+
Contrast Enhancement： 对比度增强一直是图像处理中的一个恒久话题，一般来说都是基于直方图的，比如直方图均衡化。冈萨雷斯的书里面对这个话题讲的比较透彻。 关于图像增强必须清楚的基本概念 1.图像增强的目的： 1）改善图像的视觉效果， 2）转换为更适合于人或机器分析处理的形式 3）突出对人或机器分析有意义的信息 4）抑制无用信息，提高图像的使用价值 5）增强后的图像并不一定保真 2...
【数字图像处理】3.对比度增强
qq_59572329的博客
06-17 3679
对比度增强是图像增强的一种，它主要解决的是，目的是。对比度增强：线性变换、分段线性变换、伽马变换、直方图正规化，直方图均衡化，局部自适应直方图均衡化。
图像对比度增强算法
Full_Speed_Turbo
01-17 5万+
论述了几种基于灰度直方图的图像对比度增强算法。
图像处理之对比度增强
05-05
图像增强之指数对比度增强，Matlab源代码，课程实验
MATLAB彩色图片对比度增强（直方图均衡）
10-13
将rgb图像转化为ycbcr，在直方图均衡化，实现彩色图片对比度的增强，图片效果较好，代码简单。图像不会失真。
Python 图像对比度增强的几种方法(小结)
09-18
主要介绍了Python 图像对比度增强的几种方法(小结)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
图片灰度拉伸算法代码-灰度拉伸matlab代码-灰度拉伸python代码-图片对比度增强代码-图像直方图拉伸
04-17
这是一份图像灰度拉伸的代码实现，可用于红外照相机等原始图像的对比度调整。代码一共有两份，分别是matlab代码和python代码。拉伸算法基于直方图统计，被被封装成函数，可以灵活地调用。另外分别附有matlab和python...
对比度增强
10-23
本课件详尽的讲解了.对比度增强、图像平滑、图像锐化、同态滤波、为色彩和假色彩以及代数运算和几何运算，最重要的是该课件里面有很多图片解释！
opencv实现图像分割，分离前景和背景(1)
热门推荐
羽凌寒
05-14 5万+
简介 　　如题，本篇就是讲解和使用opencv函数grabcut，来实现图像前景与背景的分离。 函数原型 　　1、opencv官方介绍：opencv官方grabcut介绍 　　2、网上童鞋翻译解释：学习OpenCV——学习grabcut算法 　　3、大致内容如下： 函数原型： 　　 void grabCut(InputArray img, Inpu
opencv实现车牌识别之字符分割
羽凌寒
02-11 2万+
简介 　　在前一篇中，我们已经定位出来了在图片中车牌号的位置，并且将车牌号图片复制成了新图片，并显示出来，本章在这些被截取出来的图片上继续处理。 截取出来的新图片如下： 图像灰阶/二值化 　　首先也是选择将图像进行灰阶，然后采用以255一遍开始，取占了总pixel为5%
NLM去噪算法实现
羽凌寒
05-04 2万+
简介 　　本篇主要是对NLM去噪算法的实现总结。 参考论文：点击打开链接 基本原理 　　该算法的基本原理是：假设同一副图像上，有着很多相似的纹理；因此在有噪声的区域，可以通过某种方式情况下，将相似的纹理区域来替换噪声区域。 从而达到较好的去噪效果，并且不太多的损失细节。 具体实现 　　1、该算法需要遍历整个原图像；首先取出一个原图像pixel，以该pixel坐标为中心，圈出一
python图片对比度增强
05-19
在上面的代码中，`alpha`参数表示对比度增强的系数，`beta`参数表示亮度增强的系数。你可以根据自己的需要调整这些参数以获得最佳效果。 另外，还可以使用其他方法来增强图像的对比度，如直方图均衡化等。你可以...

“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
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